MediaWiki:Sidebar

<mediawiki xmlns="http://www.mediawiki.org/xml/export-0.11/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.mediawiki.org/xml/export-0.11/ http://www.mediawiki.org/xml/export-0.11.xsd" version="0.11" xml:lang="fr">
  <siteinfo>
    <sitename>Équipe MLMS : Machine Learning, Modélisation et Simulation</sitename>
    <dbname>wiki_mlms</dbname>
    <base>https://mlms.icube.unistra.fr/index.php?title=Presentation</base>
    <generator>MediaWiki 1.39.10</generator>
    <case>first-letter</case>
    <namespaces>
      <namespace key="-2" case="first-letter">Média</namespace>
      <namespace key="-1" case="first-letter">Spécial</namespace>
      <namespace key="0" case="first-letter" />
      <namespace key="1" case="first-letter">Discussion</namespace>
      <namespace key="2" case="first-letter">Utilisateur</namespace>
      <namespace key="3" case="first-letter">Discussion utilisateur</namespace>
      <namespace key="4" case="first-letter">Équipe MLMS : Machine Learning, Modélisation et Simulation</namespace>
      <namespace key="5" case="first-letter">Discussion Équipe MLMS : Machine Learning, Modélisation et Simulation</namespace>
      <namespace key="6" case="first-letter">Fichier</namespace>
      <namespace key="7" case="first-letter">Discussion fichier</namespace>
      <namespace key="8" case="first-letter">MediaWiki</namespace>
      <namespace key="9" case="first-letter">Discussion MediaWiki</namespace>
      <namespace key="10" case="first-letter">Modèle</namespace>
      <namespace key="11" case="first-letter">Discussion modèle</namespace>
      <namespace key="12" case="first-letter">Aide</namespace>
      <namespace key="13" case="first-letter">Discussion aide</namespace>
      <namespace key="14" case="first-letter">Catégorie</namespace>
      <namespace key="15" case="first-letter">Discussion catégorie</namespace>
      <namespace key="100" case="first-letter">Intranet</namespace>
      <namespace key="101" case="first-letter">Intanet talk</namespace>
      <namespace key="210" case="first-letter">Group1</namespace>
      <namespace key="211" case="first-letter">Group1 talk</namespace>
      <namespace key="220" case="first-letter">Group2</namespace>
      <namespace key="221" case="first-letter">Group2 talk</namespace>
      <namespace key="230" case="first-letter">Group3</namespace>
      <namespace key="231" case="first-letter">Group3 talk</namespace>
      <namespace key="400" case="first-letter">Workspace</namespace>
      <namespace key="404" case="first-letter">Workspace talk</namespace>
      <namespace key="2300" case="case-sensitive">Gadget</namespace>
      <namespace key="2301" case="case-sensitive">Discussion gadget</namespace>
      <namespace key="2302" case="case-sensitive">Définition de gadget</namespace>
      <namespace key="2303" case="case-sensitive">Discussion définition de gadget</namespace>
    </namespaces>
  </siteinfo>
<page arvcontinue="">
  <title>MediaWiki:Sidebar</title>
  <ns>8</ns>
  <id>2</id>
  <revision>
    <id>2</id>
    <timestamp>2020-12-18T12:34:39Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec «  * navigation ** mainpage|mainpage-description ** Actualités ** Recherche ** Membres ** Collaboration/Partenariats ** Publications ** Projets ** Ressources ** Offres d'em… »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="187" xml:space="preserve">
* navigation
** mainpage|mainpage-description
** Actualités
** Recherche
** Membres
** Collaboration/Partenariats
** Publications
** Projets
** Ressources
** Offres d'emplois
** Contact</text>
    <sha1>755e827b80d62be0a27add503e9bd336c8c87493</sha1>
  </revision>
  <revision>
    <id>3</id>
    <parentid>2</parentid>
    <timestamp>2020-12-18T12:35:47Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="301" xml:space="preserve">
* navigation
** mainpage|mainpage-description
** Actualités|Actualités
** Recherche|Recherche
** Membres|Membres
** Collaboration/Partenariats|Collaboration/Partenariats
** Publications|Publications
** Projets|Projets
** Ressources|Ressources
** Offres d'emplois|Offres d'emplois
** Contact|Contact</text>
    <sha1>56eb99357877cb7f45175d3c42cd12dc3c2c5258</sha1>
  </revision>
</page>
<page arvcontinue="">
  <title>MediaWiki:Emailsender</title>
  <ns>8</ns>
  <id>3</id>
  <revision>
    <id>4</id>
    <timestamp>2020-12-18T14:41:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « webmaster »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="9" xml:space="preserve">webmaster</text>
    <sha1>50f3f01caa053693ce619d596e14b0ff3901ab49</sha1>
  </revision>
</page>
<page arvcontinue="">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>5</id>
    <timestamp>2020-12-18T15:25:31Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « Membres »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="7" xml:space="preserve">Membres</text>
    <sha1>ea0821ae10bb864c02db90b1701f81d8ced1f785</sha1>
  </revision>
  <revision>
    <id>6</id>
    <parentid>5</parentid>
    <timestamp>2020-12-18T15:28:16Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="250" xml:space="preserve">** Membres
Stéphane Cotin, Directeur de Recherche INRIA.
Birgitta Dresp-Langley, Directrice de recherche CNRS.
Michel Duprez, Chargé de Recherche INRIA.
Axel Hutt, Directeur de Recherche INRIA.
Hyewon Seo, Directrice de recherche CNRS (section 07).</text>
    <sha1>1b2dcfdfe1898b0252851ab5c6053ebdf904250c</sha1>
  </revision>
  <revision>
    <id>7</id>
    <parentid>6</parentid>
    <timestamp>2020-12-18T15:29:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="251" xml:space="preserve">** Membres
Stéphane Cotin, Directeur de Recherche INRIA.

Birgitta Dresp-Langley, Directrice de recherche CNRS.
Michel Duprez, Chargé de Recherche INRIA.
Axel Hutt, Directeur de Recherche INRIA.
Hyewon Seo, Directrice de recherche CNRS (section 07).</text>
    <sha1>ca5d9997a6dbb6648e0ddf7897ffcbbd428fcb7f</sha1>
  </revision>
  <revision>
    <id>8</id>
    <parentid>7</parentid>
    <timestamp>2020-12-18T15:33:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="368" xml:space="preserve">** Membres
Cédric Bobenrieth, Maître de conférences ECAM.

Stéphane Cotin, Directeur de Recherche INRIA.

Hadrien Courtecuisse, Chargé de Recherche CNRS (section 07).

Birgitta Dresp-Langley, Directrice de recherche CNRS.

Michel Duprez, Chargé de Recherche INRIA.

Axel Hutt, Directeur de Recherche INRIA.

Hyewon Seo, Directrice de recherche CNRS (section 07).</text>
    <sha1>f03facd6a399d99bf56eebd7bd48fe47da47d33d</sha1>
  </revision>
  <revision>
    <id>9</id>
    <parentid>8</parentid>
    <timestamp>2020-12-18T15:33:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="367" xml:space="preserve">* Membres
Cédric Bobenrieth, Maître de conférences ECAM.

Stéphane Cotin, Directeur de Recherche INRIA.

Hadrien Courtecuisse, Chargé de Recherche CNRS (section 07).

Birgitta Dresp-Langley, Directrice de recherche CNRS.

Michel Duprez, Chargé de Recherche INRIA.

Axel Hutt, Directeur de Recherche INRIA.

Hyewon Seo, Directrice de recherche CNRS (section 07).</text>
    <sha1>68fc5b9d73f9247a3c8afba025f9af46129e8a89</sha1>
  </revision>
  <revision>
    <id>10</id>
    <parentid>9</parentid>
    <timestamp>2020-12-18T15:34:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="379" xml:space="preserve">** Membres permanents
Cédric Bobenrieth, Maître de conférences ECAM.

Stéphane Cotin, Directeur de Recherche INRIA.

Hadrien Courtecuisse, Chargé de Recherche CNRS (section 07).

Birgitta Dresp-Langley, Directrice de recherche CNRS.

Michel Duprez, Chargé de Recherche INRIA.

Axel Hutt, Directeur de Recherche INRIA.

Hyewon Seo, Directrice de recherche CNRS (section 07).</text>
    <sha1>fa3b36a2035d1d76d293d842e7b8db377bf3096c</sha1>
  </revision>
  <revision>
    <id>11</id>
    <parentid>10</parentid>
    <timestamp>2020-12-18T15:35:12Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="419" xml:space="preserve">&lt;big&gt;'''Membres permanents'''&lt;big&gt;
Cédric Bobenrieth, Maître de conférences ECAM.

Stéphane Cotin, Directeur de Recherche INRIA.

Hadrien Courtecuisse, Chargé de Recherche CNRS (section 07).

Birgitta Dresp-Langley, Directrice de recherche CNRS.

Michel Duprez, Chargé de Recherche INRIA.

Axel Hutt, Directeur de Recherche INRIA.

Hyewon Seo, Directrice de recherche CNRS (section 07).

&lt;big&gt;'''Post-docs'''&lt;big&gt;</text>
    <sha1>63d762b4f519ac36c49db37639ddb3765292eb1c</sha1>
  </revision>
  <revision>
    <id>12</id>
    <parentid>11</parentid>
    <timestamp>2020-12-18T15:39:11Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="688" xml:space="preserve">&lt;big&gt;'''Membres permanents'''&lt;big&gt;

Cédric Bobenrieth, Maître de conférences ECAM.

Stéphane Cotin, Directeur de Recherche INRIA.

Hadrien Courtecuisse, Chargé de Recherche CNRS (section 07).

Birgitta Dresp-Langley, Directrice de recherche CNRS.

Michel Duprez, Chargé de Recherche INRIA.

Axel Hutt, Directeur de Recherche INRIA.

Hyewon Seo, Directrice de recherche CNRS (section 07).


Daniel OBERFELD-TWISTEL


&lt;big&gt;'''Post-docs'''&lt;big&gt;

Jean-Nicolas Brunet

Rongrong Liu

Andrea Mendizabal

Guillaume MESTDAGH

Sergei Nikolaev

Nava Schulmann

&lt;big&gt;'''Ingénieurs'''&lt;big&gt;
Rémi Bessard Duparc

Hugo Talbo 

Omar Boukhris

&lt;big&gt;'''Doctorants'''&lt;big&gt;
Pierre Galmiche

Alban Odot</text>
    <sha1>4168ed46b4824190d8b659bd01b889b968ec8e38</sha1>
  </revision>
  <revision>
    <id>13</id>
    <parentid>12</parentid>
    <timestamp>2020-12-18T15:39:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="659" xml:space="preserve">&lt;big&gt;'''Membres permanents'''&lt;big&gt;

Cédric Bobenrieth, Maître de conférences ECAM.

Stéphane Cotin, Directeur de Recherche INRIA.

Hadrien Courtecuisse, Chargé de Recherche CNRS (section 07).

Birgitta Dresp-Langley, Directrice de recherche CNRS.

Michel Duprez, Chargé de Recherche INRIA.

Axel Hutt, Directeur de Recherche INRIA.

Hyewon Seo, Directrice de recherche CNRS (section 07).


Daniel OBERFELD-TWISTEL


'''Post-docs'''

Jean-Nicolas Brunet

Rongrong Liu

Andrea Mendizabal

Guillaume MESTDAGH

Sergei Nikolaev

Nava Schulmann

'''Ingénieurs'''

Rémi Bessard Duparc

Hugo Talbo 

Omar Boukhris

'''Doctorants'''
Pierre Galmiche

Alban Odot</text>
    <sha1>760fc9ea020f55966f8cba8277481ac5afc48901</sha1>
  </revision>
  <revision>
    <id>14</id>
    <parentid>13</parentid>
    <timestamp>2020-12-18T15:40:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="625" xml:space="preserve">
'''Membres permanents'''

Cédric Bobenrieth, Maître de conférences ECAM.

Stéphane Cotin, Directeur de Recherche INRIA.

Hadrien Courtecuisse, Chargé de Recherche CNRS (section 07).

Birgitta Dresp-Langley, Directrice de recherche CNRS.

Michel Duprez, Chargé de Recherche INRIA.

Axel Hutt, Directeur de Recherche INRIA.

Hyewon Seo, Directrice de recherche CNRS (section 07).


'''Post-docs'''

Jean-Nicolas Brunet

Rongrong Liu

Andrea Mendizabal

Guillaume Mestdagh

Sergei Nikolaev

Nava Schulmann

'''Ingénieurs'''

Rémi Bessard Duparc

Hugo Talbo 

Omar Boukhris

'''Doctorants'''

Pierre Galmiche

Alban Odot</text>
    <sha1>7a4756b8d11b0dbe13218160696c10622d1f73ae</sha1>
  </revision>
  <revision>
    <id>15</id>
    <parentid>14</parentid>
    <timestamp>2020-12-18T15:41:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="627" xml:space="preserve">
'''Membres permanents'''

Cédric Bobenrieth, Maître de conférences ECAM.

Stéphane Cotin, Directeur de Recherche INRIA.

Hadrien Courtecuisse, Chargé de Recherche CNRS (section 07).

Birgitta Dresp-Langley, Directrice de recherche CNRS.

Michel Duprez, Chargé de Recherche INRIA.

Axel Hutt, Directeur de Recherche INRIA.

Hyewon Seo, Directrice de recherche CNRS (section 07).


'''Post-docs'''

Jean-Nicolas Brunet

Rongrong Liu

Andrea Mendizabal

Guillaume Mestdagh

Sergei Nikolaev

Nava Schulmann


'''Ingénieurs'''

Rémi Bessard Duparc

Hugo Talbo 

Omar Boukhris


'''Doctorants'''

Pierre Galmiche

Alban Odot</text>
    <sha1>7d9009fb94c3dc76e1de0976381efaf08175ef1a</sha1>
  </revision>
  <revision>
    <id>16</id>
    <parentid>15</parentid>
    <timestamp>2020-12-18T15:45:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="623" xml:space="preserve">
==Membres permanents==

Cédric Bobenrieth, Maître de conférences ECAM.

Stéphane Cotin, Directeur de Recherche INRIA.

Hadrien Courtecuisse, Chargé de Recherche CNRS (section 07).

Birgitta Dresp-Langley, Directrice de recherche CNRS.

Michel Duprez, Chargé de Recherche INRIA.

Axel Hutt, Directeur de Recherche INRIA.

Hyewon Seo, Directrice de recherche CNRS (section 07).


'''Post-docs'''

Jean-Nicolas Brunet

Rongrong Liu

Andrea Mendizabal

Guillaume Mestdagh

Sergei Nikolaev

Nava Schulmann


==Ingénieurs==

Rémi Bessard Duparc

Hugo Talbo 

Omar Boukhris


'''Doctorants'''

Pierre Galmiche

Alban Odot</text>
    <sha1>ab40c83fe316d0ba7f405343bd9add60ccae9f4a</sha1>
  </revision>
  <revision>
    <id>17</id>
    <parentid>16</parentid>
    <timestamp>2020-12-18T15:46:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="619" xml:space="preserve">
==Membres permanents==

Cédric Bobenrieth, Maître de conférences ECAM.

Stéphane Cotin, Directeur de Recherche INRIA.

Hadrien Courtecuisse, Chargé de Recherche CNRS (section 07).

Birgitta Dresp-Langley, Directrice de recherche CNRS.

Michel Duprez, Chargé de Recherche INRIA.

Axel Hutt, Directeur de Recherche INRIA.

Hyewon Seo, Directrice de recherche CNRS (section 07).


==Post-docs==

Jean-Nicolas Brunet

Rongrong Liu

Andrea Mendizabal

Guillaume Mestdagh

Sergei Nikolaev

Nava Schulmann


==Ingénieurs==

Rémi Bessard Duparc

Hugo Talbo 

Omar Boukhris


==Doctorants==

Pierre Galmiche

Alban Odot</text>
    <sha1>71919eddd9f74dcb0cfd8aef63908508b86c2c52</sha1>
  </revision>
  <revision>
    <id>32</id>
    <parentid>17</parentid>
    <timestamp>2020-12-23T11:45:56Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="965" xml:space="preserve">
==Membres permanents==

Cédric Bobenrieth, Maître de conférences ECAM.

[http://stephanecotin.com/ Stéphane Cotin], Directeur de Recherche INRIA.

[https://hadrien.courtecuisse.cnrs.fr/ Hadrien Courtecuisse], Chargé de Recherche CNRS (section 07).

Birgitta Dresp-Langley, Directrice de recherche CNRS.

[http://mduprez.perso.math.cnrs.fr/ Michel Duprez], Chargé de Recherche INRIA.

[http://www.geocities.ws/digitalbath/ Axel Hutt], Directeur de Recherche INRIA.

Hyewon Seo, Directrice de recherche CNRS (section 07).


==Post-docs==

[https://sites.google.com/site/rongrongliurr/ Rongrong Liu]

[https://mimesis.inria.fr/speaker/andrea-mendizabal/ Andrea Mendizabal]

[https://mimesis.inria.fr/speaker/sergei-nikolaev/ Sergei Nikolaev]

Nava Schulmann


==Ingénieurs==

Rémi Bessard Duparc

[http://www.hugotalbot.com/ Hugo Talbo] 

Omar Boukhris

[http://www.jndb.ca Jean-Nicolas Brunet]

==Doctorants==

Pierre Galmiche

Alban Odot

Guillaume Mestdagh</text>
    <sha1>5ab36920e24b43704646914387cd93bc462492d6</sha1>
  </revision>
  <revision>
    <id>38</id>
    <parentid>32</parentid>
    <timestamp>2020-12-23T13:25:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1351" xml:space="preserve">
==Membres permanents==

Cédric Bobenrieth, Maître de conférences ECAM.

[http://stephanecotin.com/ Stéphane Cotin], Directeur de Recherche INRIA.

[https://hadrien.courtecuisse.cnrs.fr/ Hadrien Courtecuisse], Chargé de Recherche CNRS (section 07).

[https://www.researchgate.net/profile/Birgitta_Dresp2 Birgitta Dresp-Langley], Directrice de recherche CNRS.

[http://mduprez.perso.math.cnrs.fr/ Michel Duprez], Chargé de Recherche INRIA (section 26).

[http://www.geocities.ws/digitalbath/ Axel Hutt], Directeur de Recherche INRIA.

[http://igg.unistra.fr/People/seo/ Hyewon Seo], Directrice de recherche CNRS (section 07).


==Post-docs==

[https://sites.google.com/site/rongrongliurr/ Rongrong Liu]

[https://mimesis.inria.fr/speaker/andrea-mendizabal/ Andrea Mendizabal]

[https://mimesis.inria.fr/speaker/nava-schulmann/ Nava Schulmann]


==Ingénieurs==

[https://mimesis.inria.fr/speaker/remi-bessard-duparc/ Rémi Bessard Duparc], R&amp;D Software Engineer

[http://www.hugotalbot.com/ Hugo Talbo], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

Omar Boukhris

[http://www.jndb.ca Jean-Nicolas Brunet]


==Doctorants==

* Ph.D. 2020: 

Alban Odot

Pierre Galmiche

* Ph.D. 2019: 

Guillaume Mestdagh

[https://mimesis.inria.fr/speaker/sergei-nikolaev/ Sergei Nikolaev] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>da1d637a9ce53a3fed641e834bdf0cf08e11620d</sha1>
  </revision>
  <revision>
    <id>43</id>
    <parentid>38</parentid>
    <timestamp>2020-12-23T15:42:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1520" xml:space="preserve">
==Membres permanents==

Cédric Bobenrieth, Maître de conférences ECAM.

[http://stephanecotin.com/ Stéphane Cotin], Directeur de Recherche INRIA.

[https://hadrien.courtecuisse.cnrs.fr/ Hadrien Courtecuisse], Chargé de Recherche CNRS (section 07).

[https://www.researchgate.net/profile/Birgitta_Dresp2 Birgitta Dresp-Langley], Directrice de recherche CNRS (section 26).

[http://mduprez.perso.math.cnrs.fr/ Michel Duprez], Chargé de Recherche INRIA (section 26).

[http://www.geocities.ws/digitalbath/ Axel Hutt], Directeur de Recherche INRIA.

[http://igg.unistra.fr/People/seo/ Hyewon Seo], Directrice de recherche CNRS (section 07).


==Post-docs==

[https://sites.google.com/site/rongrongliurr/ Rongrong Liu] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

[https://mimesis.inria.fr/speaker/andrea-mendizabal/ Andrea Mendizabal]

[https://mimesis.inria.fr/speaker/nava-schulmann/ Nava Schulmann]


==Ingénieurs==

[https://mimesis.inria.fr/speaker/remi-bessard-duparc/ Rémi Bessard Duparc], R&amp;D Software Engineer

[http://www.hugotalbot.com/ Hugo Talbo], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

Omar Boukhris

[http://www.jndb.ca Jean-Nicolas Brunet]


==Doctorants==

* Ph.D. 2020: 

Alban Odot

Pierre Galmiche

* Ph.D. 2019: 

Guillaume Mestdagh

[https://mimesis.inria.fr/speaker/sergei-nikolaev/ Sergei Nikolaev] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>779a5bde31777a11905f842eb86a0a65b58ab621</sha1>
  </revision>
  <revision>
    <id>44</id>
    <parentid>43</parentid>
    <timestamp>2020-12-23T15:43:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1526" xml:space="preserve">
==Membres permanents==

Cédric Bobenrieth, Maître de conférences ECAM.

[http://stephanecotin.com/ Stéphane Cotin], Directeur de Recherche INRIA.

[https://hadrien.courtecuisse.cnrs.fr/ Hadrien Courtecuisse], Chargé de Recherche CNRS (section 07).

[https://www.researchgate.net/profile/Birgitta_Dresp2 Birgitta Dresp-Langley], Directrice de recherche CNRS (section 26).

[http://mduprez.perso.math.cnrs.fr/ Michel Duprez], Chargé de Recherche INRIA (section 26).

[http://www.geocities.ws/digitalbath/ Axel Hutt], Directeur de Recherche INRIA.

[http://igg.unistra.fr/People/seo/ Hyewon Seo], Directrice de recherche CNRS (section 07).


==Post-docs==

[https://www.researchgate.net/profile/Rongrong_Liu5 Rongrong Liu] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

[https://mimesis.inria.fr/speaker/andrea-mendizabal/ Andrea Mendizabal]

[https://mimesis.inria.fr/speaker/nava-schulmann/ Nava Schulmann]


==Ingénieurs==

[https://mimesis.inria.fr/speaker/remi-bessard-duparc/ Rémi Bessard Duparc], R&amp;D Software Engineer

[http://www.hugotalbot.com/ Hugo Talbo], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

Omar Boukhris

[http://www.jndb.ca Jean-Nicolas Brunet]


==Doctorants==

* Ph.D. 2020: 

Alban Odot

Pierre Galmiche

* Ph.D. 2019: 

Guillaume Mestdagh

[https://mimesis.inria.fr/speaker/sergei-nikolaev/ Sergei Nikolaev] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>50b2deada3e95b570f14a0aa4b4bb8fd534125fa</sha1>
  </revision>
  <revision>
    <id>45</id>
    <parentid>44</parentid>
    <timestamp>2020-12-23T16:02:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1862" xml:space="preserve">
==Membres permanents==

* Cédric Bobenrieth, Maître de conférences ECAM.

* [http://stephanecotin.com/ Stéphane Cotin], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ Hadrien Courtecuisse], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 Birgitta Dresp-Langley], Directrice de recherche CNRS (section 26).
Expert Group 'Artificial Intelligence and Consumer Safety'
European Commission Directorate General (DG-JUST)
Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)
Editorial Board 'Information-Artificial Intelligence Section' (MDPI)
Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ Michel Duprez], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ Axel Hutt], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ Hyewon Seo], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 Rongrong Liu] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ Andrea Mendizabal]

* [https://mimesis.inria.fr/speaker/nava-schulmann/ Nava Schulmann]


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ Rémi Bessard Duparc], R&amp;D Software Engineer

* [http://www.hugotalbot.com/ Hugo Talbo], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

Omar Boukhris

* [http://www.jndb.ca Jean-Nicolas Brunet]


==Doctorants==

=== Ph.D. 2020:=== 

* Alban Odot

* Pierre Galmiche

=== Ph.D. 2019: ===

* Guillaume Mestdagh

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ Sergei Nikolaev] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>8a79a103340d0cbf8ccc8fd70cc46eeb016025bd</sha1>
  </revision>
  <revision>
    <id>46</id>
    <parentid>45</parentid>
    <timestamp>2020-12-23T16:02:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1872" xml:space="preserve">
==Membres permanents==

* Cédric Bobenrieth, Maître de conférences ECAM.

* [http://stephanecotin.com/ Stéphane Cotin], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ Hadrien Courtecuisse], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 Birgitta Dresp-Langley], Directrice de recherche CNRS (section 26).  
Expert Group 'Artificial Intelligence and Consumer Safety'  
European Commission Directorate General (DG-JUST)  
Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ Michel Duprez], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ Axel Hutt], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ Hyewon Seo], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 Rongrong Liu] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ Andrea Mendizabal]

* [https://mimesis.inria.fr/speaker/nava-schulmann/ Nava Schulmann]


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ Rémi Bessard Duparc], R&amp;D Software Engineer

* [http://www.hugotalbot.com/ Hugo Talbo], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

Omar Boukhris

* [http://www.jndb.ca Jean-Nicolas Brunet]


==Doctorants==

=== Ph.D. 2020:=== 

* Alban Odot

* Pierre Galmiche

=== Ph.D. 2019: ===

* Guillaume Mestdagh

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ Sergei Nikolaev] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>fea1d30e6da8d421d1af879832ecbe2d61b7fb84</sha1>
  </revision>
  <revision>
    <id>47</id>
    <parentid>46</parentid>
    <timestamp>2020-12-23T16:02:53Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1877" xml:space="preserve">
==Membres permanents==

* Cédric Bobenrieth, Maître de conférences ECAM.

* [http://stephanecotin.com/ Stéphane Cotin], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ Hadrien Courtecuisse], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 Birgitta Dresp-Langley], Directrice de recherche CNRS (section 26).  

Expert Group 'Artificial Intelligence and Consumer Safety'  

European Commission Directorate General (DG-JUST)  

Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  

Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  

Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ Michel Duprez], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ Axel Hutt], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ Hyewon Seo], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 Rongrong Liu] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ Andrea Mendizabal]

* [https://mimesis.inria.fr/speaker/nava-schulmann/ Nava Schulmann]


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ Rémi Bessard Duparc], R&amp;D Software Engineer

* [http://www.hugotalbot.com/ Hugo Talbo], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

Omar Boukhris

* [http://www.jndb.ca Jean-Nicolas Brunet]


==Doctorants==

=== Ph.D. 2020:=== 

* Alban Odot

* Pierre Galmiche

=== Ph.D. 2019: ===

* Guillaume Mestdagh

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ Sergei Nikolaev] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>fa2ea6e45904a0d28f23322db652c9c387930fa3</sha1>
  </revision>
  <revision>
    <id>48</id>
    <parentid>47</parentid>
    <timestamp>2020-12-23T16:10:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2022" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;small&gt;
    Expert Group 'Artificial Intelligence and Consumer Safety'  

    European Commission Directorate General (DG-JUST)  

    Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  

    Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  

    Associate Editor 'BMC Psychology' (Springer-Nature)&lt;/small&gt;

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

* [https://mimesis.inria.fr/speaker/nava-schulmann/ '''Nava Schulmann''']


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], R&amp;D Software Engineer

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']


==Doctorants==

=== Ph.D. 2020:=== 

* '''Alban Odot'''

* '''Pierre Galmiche'''

=== Ph.D. 2019: ===

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>f037027e1184335d87b38300dfc99a09db2516f3</sha1>
  </revision>
  <revision>
    <id>49</id>
    <parentid>48</parentid>
    <timestamp>2020-12-23T16:13:43Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1992" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

* [https://mimesis.inria.fr/speaker/nava-schulmann/ '''Nava Schulmann''']


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], R&amp;D Software Engineer

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']


==Doctorants==

=== Ph.D. 2020:=== 

* '''Alban Odot'''

* '''Pierre Galmiche'''

=== Ph.D. 2019: ===

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>a32311ba8b1a2a0081d42eb621fdd4600f6342eb</sha1>
  </revision>
  <revision>
    <id>50</id>
    <parentid>49</parentid>
    <timestamp>2020-12-23T16:17:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1977" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

* [https://mimesis.inria.fr/speaker/nava-schulmann/ '''Nava Schulmann''']


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], R&amp;D Software Engineer

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']


==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche'''

Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>2180f643e8115366688ba68226bfa932d3dac941</sha1>
  </revision>
  <revision>
    <id>51</id>
    <parentid>50</parentid>
    <timestamp>2020-12-23T22:30:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1984" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], R&amp;D Software Engineer

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']


==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' (Oct. 2020 - setp. 2023) Thèse supervisée par Hyewon Seo et Michel De Mathelin


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>e5fc89dc9812b75c897ddf0184d8385e3e8922fc</sha1>
  </revision>
  <revision>
    <id>52</id>
    <parentid>51</parentid>
    <timestamp>2020-12-23T22:30:43Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1984" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], R&amp;D Software Engineer

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']


==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' (Oct. 2020 - sept. 2023) Thèse supervisée par Hyewon Seo et Michel De Mathelin


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>59efa9586f2ef1b1e7f20e834076fe3b834ef94f</sha1>
  </revision>
</page>
<page arvcontinue="">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>18</id>
    <timestamp>2020-12-18T15:50:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « ==Stage de Master (2021)= [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from V… »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="323" xml:space="preserve">==Stage de Master (2021)=
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human]</text>
    <sha1>767278410ab2feab0f43ddd7ecf33cc3aa564f90</sha1>
  </revision>
  <revision>
    <id>19</id>
    <parentid>18</parentid>
    <timestamp>2020-12-18T15:52:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* =Stage de Master (2021) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="332" xml:space="preserve">== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human]</text>
    <sha1>a4049ffbfe288c910fb1f08769e2e81cef95f66d</sha1>
  </revision>
  <revision>
    <id>31</id>
    <parentid>19</parentid>
    <timestamp>2020-12-22T11:10:12Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stages M2 pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="515" xml:space="preserve">== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human]

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]</text>
    <sha1>05a0227c1f4831e3b99cadfad916c2f7ae7920e9</sha1>
  </revision>
</page>
<page arvcontinue="">
  <title>Contact</title>
  <ns>0</ns>
  <id>6</id>
  <revision>
    <id>20</id>
    <timestamp>2020-12-18T15:54:47Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « == Adresse postale ==  Equipe MLMS, Laboratoire ICube, Université de Strasbourg  Bâtiment Clovis Vincent  5 rue Kirschleger  67085  Strasbourg Cedex FRANCE »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="157" xml:space="preserve">== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg

Bâtiment Clovis Vincent

5 rue Kirschleger

67085  Strasbourg Cedex FRANCE</text>
    <sha1>2869c168aa88627b22fd76a646c4c860d58bd79a</sha1>
  </revision>
  <revision>
    <id>21</id>
    <parentid>20</parentid>
    <timestamp>2020-12-18T15:54:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Adresse postale */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="156" xml:space="preserve">== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg
Bâtiment Clovis Vincent

5 rue Kirschleger

67085  Strasbourg Cedex FRANCE</text>
    <sha1>fe3032f426a26216f3b01f5181e308f25eeedf1f</sha1>
  </revision>
  <revision>
    <id>22</id>
    <parentid>21</parentid>
    <timestamp>2020-12-18T15:55:07Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Adresse postale */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="157" xml:space="preserve">== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg

Bâtiment Clovis Vincent

5 rue Kirschleger

67085  Strasbourg Cedex FRANCE</text>
    <sha1>2869c168aa88627b22fd76a646c4c860d58bd79a</sha1>
  </revision>
  <revision>
    <id>23</id>
    <parentid>22</parentid>
    <timestamp>2020-12-18T15:59:41Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Adresse postale */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="255" xml:space="preserve">== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg

Bâtiment Clovis Vincent

5 rue Kirschleger

67085  Strasbourg Cedex FRANCE

== Coordonnées GPS== 
48.57542, 7.74398
[https://goo.gl/maps/wLEyPi55MFkM1rEQ9 Lien Google map]</text>
    <sha1>9da65bd4268be0eea0b7a3b0afee73973e166801</sha1>
  </revision>
  <revision>
    <id>24</id>
    <parentid>23</parentid>
    <timestamp>2020-12-18T16:01:29Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Coordonnées GPS */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="259" xml:space="preserve">== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg

Bâtiment Clovis Vincent

5 rue Kirschleger

67085  Strasbourg Cedex FRANCE

== Coordonnées GPS== 
(48.57542, 7.74398): 
[https://goo.gl/maps/wLEyPi55MFkM1rEQ9 Lien Google map]</text>
    <sha1>292bbc6cd92507d8027661f05f39a17e74c4176a</sha1>
  </revision>
  <revision>
    <id>36</id>
    <parentid>24</parentid>
    <timestamp>2020-12-23T11:57:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="339" xml:space="preserve">
== Chefs d'équipe == 
Hyewon Seo et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg
Bâtiment Clovis Vincent
5 rue Kirschleger
67085  Strasbourg Cedex FRANCE

== Coordonnées GPS== 
(48.57542, 7.74398): 
[https://goo.gl/maps/wLEyPi55MFkM1rEQ9 Lien Google map]</text>
    <sha1>b16ec8b9685f954a8691a5d641f347ec7f908373</sha1>
  </revision>
</page>
<page arvcontinue="">
  <title>Publications</title>
  <ns>0</ns>
  <id>8</id>
  <revision>
    <id>26</id>
    <timestamp>2020-12-18T17:05:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « &lt;iframe id="Iframe1" data-src="https://haltools.inria.fr/Public/exportPubli.php?auteur_exp=Michel%2C+Duprez%3BSt%C3%A9phane+Cotin&amp;format_export=endnote&amp;langue=Anglais&amp;CB_a… »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="254" xml:space="preserve">&lt;iframe id="Iframe1" data-src="https://haltools.inria.fr/Public/exportPubli.php?auteur_exp=Michel%2C+Duprez%3BSt%C3%A9phane+Cotin&amp;format_export=endnote&amp;langue=Anglais&amp;CB_accent_latex=oui" data-delay="50" width="800" height="600" frameborder="0"&gt;&lt;/iframe&gt;</text>
    <sha1>9693f164f6bb668c49f293d219316042b4160760</sha1>
  </revision>
  <revision>
    <id>27</id>
    <parentid>26</parentid>
    <timestamp>2020-12-18T17:32:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page blanchie</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
  <revision>
    <id>28</id>
    <parentid>27</parentid>
    <timestamp>2020-12-18T17:42:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="49" xml:space="preserve"> &lt;iframe src="www.google.fr" attributes&gt;&lt;/iframe&gt;</text>
    <sha1>8f078ee4220dbdb1cda3de2f1cb72c108097ccbc</sha1>
  </revision>
  <revision>
    <id>29</id>
    <parentid>28</parentid>
    <timestamp>2020-12-19T11:24:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page blanchie</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
  <revision>
    <id>33</id>
    <parentid>29</parentid>
    <timestamp>2020-12-23T11:47:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="337" xml:space="preserve">&lt;iframe src=https://haltools.archives-ouvertes.fr/Public/afficheRequetePubli.php?auteur_exp=Michel%2C+Duprez&amp;CB_auteur=oui&amp;CB_titre=oui&amp;CB_article=oui&amp;langue=Anglais&amp;tri_exp=annee_publi&amp;tri_exp2=typdoc&amp;tri_exp3=date_publi&amp;ordre_aff=TA&amp;Fen=Aff&amp;css=../css/VisuRubriqueEncadre.css height="1000" width="100%" title="Iframe Example"&gt;&lt;/iframe&gt;</text>
    <sha1>1d9b5ec0b496000b993ac12470e91809482973cd</sha1>
  </revision>
  <revision>
    <id>34</id>
    <parentid>33</parentid>
    <timestamp>2020-12-23T11:50:52Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="280" xml:space="preserve">[https://haltools.archives-ouvertes.fr/Public/afficheRequetePubli.php?auteur_exp=Michel%2C+Duprez&amp;CB_auteur=oui&amp;CB_titre=oui&amp;CB_article=oui&amp;langue=Anglais&amp;tri_exp=annee_publi&amp;tri_exp2=typdoc&amp;tri_exp3=date_publi&amp;ordre_aff=TA&amp;Fen=Aff&amp;css=../css/VisuRubriqueEncadre.css Publications]</text>
    <sha1>31ae4c7d6c8e7cd0d5636029e6644138a6267bbc</sha1>
  </revision>
  <revision>
    <id>35</id>
    <parentid>34</parentid>
    <timestamp>2020-12-23T11:55:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="416" xml:space="preserve">[https://haltools.archives-ouvertes.fr/Public/afficheRequetePubli.php?auteur_exp=Michel%2C+Duprez%3BC%C3%A9dric%2C+Bobenrieth%3BSt%C3%A9phane%2CCotin%3BHadrien%2CCourtecuisse%3BBirgitta%2C+Dresp-Langley%3BAxel%2C+Hutt%3BHyewon%2C+Seo&amp;CB_auteur=oui&amp;CB_titre=oui&amp;CB_article=oui&amp;langue=Anglais&amp;tri_exp=annee_publi&amp;tri_exp2=typdoc&amp;tri_exp3=date_publi&amp;ordre_aff=TA&amp;Fen=Aff&amp;css=../css/VisuRubriqueEncadre.css Publications]</text>
    <sha1>cc694a7fade47838455ac6d8a998769425545929</sha1>
  </revision>
  <revision>
    <id>39</id>
    <parentid>35</parentid>
    <timestamp>2020-12-23T14:47:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="383" xml:space="preserve">&lt;iframe frameborder='0' width='100%' height='1000' frameborder='0'  marginheight='0' marginwidth='0' src='http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu'&gt;&lt;/iframe&gt;</text>
    <sha1>f104366e6d9559f11d9443d6b1098bd3d8d59e83</sha1>
  </revision>
  <revision>
    <id>40</id>
    <parentid>39</parentid>
    <timestamp>2020-12-23T14:49:52Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="283" xml:space="preserve">&lt;anyweb&gt;http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu&lt;/anyweb&gt;</text>
    <sha1>cc261f4fa385ebc2a4d5e65309a9e597b950bcbb</sha1>
  </revision>
  <revision>
    <id>41</id>
    <parentid>40</parentid>
    <timestamp>2020-12-23T14:52:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="300" xml:space="preserve">[[publications|&lt;anyweb&gt;http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu&lt;/anyweb&gt;]]</text>
    <sha1>5361d608094e97429e9a4ecd4804d3ce3987bd24</sha1>
  </revision>
  <revision>
    <id>42</id>
    <parentid>41</parentid>
    <timestamp>2020-12-23T14:53:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="281" xml:space="preserve">[http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu Publications]</text>
    <sha1>f7b9d5fefb939ff576313b9349860d1c16a29dd3</sha1>
  </revision>
</page>
<page arvcontinue="">
  <title>Fichier:Stage M2-2020 2021 phifem.pdf</title>
  <ns>6</ns>
  <id>9</id>
  <revision>
    <id>30</id>
    <timestamp>2020-12-22T10:22:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="14" xml:space="preserve">Offre de stage</text>
    <sha1>10f771e63237a1c8e01696656158f7eedca093c2</sha1>
  </revision>
</page>
<page arvcontinue="">
  <title>Actualités</title>
  <ns>0</ns>
  <id>10</id>
  <revision>
    <id>37</id>
    <timestamp>2020-12-23T12:44:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « * 01/01/2021  Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation  Chefs d'équipe : Stéphane Cotin et Hyewon Seo »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="138" xml:space="preserve">* 01/01/2021

Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation 
Chefs d'équipe : Stéphane Cotin et Hyewon Seo</text>
    <sha1>8b6d616fc362495aeea20b7e02d7ee435dd10a6f</sha1>
  </revision>
</page>
<page arvcontinue="20201224102257|53">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>53</id>
    <parentid>52</parentid>
    <timestamp>2020-12-24T10:22:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2059" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], R&amp;D Software Engineer

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']


==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' (Oct. 2020 - ...) Thèse supervisée par Hyewon Seo et Michel De Mathelin

* '''Joséphine RIEDINGER''' (Déc. 2020 - ...) Thèse supervisée par Axel Hutt


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>78ed25f1b682abae3a3536bc75b4a87b163f4adf</sha1>
  </revision>
  <revision>
    <id>54</id>
    <parentid>53</parentid>
    <timestamp>2020-12-27T09:29:15Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2163" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe-Projet Inria MIMESIS (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' (Oct. 2020 - ...) Thèse supervisée par Hyewon Seo et Michel De Mathelin

* '''Joséphine RIEDINGER''' (Déc. 2020 - ...) Thèse supervisée par Axel Hutt


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>7a2d50e750da91a47ddc493420025328b8858b4a</sha1>
  </revision>
  <revision>
    <id>55</id>
    <parentid>54</parentid>
    <timestamp>2020-12-27T09:30:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2184" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' (Oct. 2020 - ...) Thèse supervisée par Hyewon Seo et Michel De Mathelin

* '''Joséphine RIEDINGER''' (Déc. 2020 - ...) Thèse supervisée par Axel Hutt


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>5e76f80ec06f59abfa46744aa8d480a54731108c</sha1>
  </revision>
  <revision>
    <id>56</id>
    <parentid>55</parentid>
    <timestamp>2020-12-27T09:30:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2185" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning."

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''Joséphine RIEDINGER'''  Thèse supervisée par Axel Hutt (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>d3757c9461ea0cb668f92cdcfb9ab5d4f08f89e6</sha1>
  </revision>
  <revision>
    <id>57</id>
    <parentid>56</parentid>
    <timestamp>2020-12-27T09:32:43Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Post-docs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2208" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''Joséphine RIEDINGER'''  Thèse supervisée par Axel Hutt (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>3600a45157673b4a9ee7cbbde5a34a27d6255dff</sha1>
  </revision>
  <revision>
    <id>58</id>
    <parentid>57</parentid>
    <timestamp>2020-12-27T09:37:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2450" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>cc996f2abef22e025b63a87faecf0bc5ca35f4f0</sha1>
  </revision>
  <revision>
    <id>59</id>
    <parentid>58</parentid>
    <timestamp>2020-12-27T09:37:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2465" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''], Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''], Directrice de recherche CNRS (section 07).


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>9611ddcc8bcc13d635d9bdf0ad418bff0f54188d</sha1>
  </revision>
  <revision>
    <id>81</id>
    <parentid>59</parentid>
    <timestamp>2020-12-28T21:49:25Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Membres permanents */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2518" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>061fcf6b911c471a20c55ff6b5b4c0db482e475d</sha1>
  </revision>
  <revision>
    <id>84</id>
    <parentid>81</parentid>
    <timestamp>2020-12-28T21:53:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Membres permanents */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2518" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)

* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>14a4ceb10531be68852a4ac8913e753f88770182</sha1>
  </revision>
  <revision>
    <id>85</id>
    <parentid>84</parentid>
    <timestamp>2020-12-28T21:55:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Membres permanents */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2526" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature)
--!&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>82f05d81ac3b6e46948efa18c0aac2894094f5b3</sha1>
  </revision>
  <revision>
    <id>86</id>
    <parentid>85</parentid>
    <timestamp>2020-12-28T21:56:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Membres permanents */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2526" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --!&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>b2ac2535bfbcd2774d564796666b9e988186ddf2</sha1>
  </revision>
  <revision>
    <id>87</id>
    <parentid>86</parentid>
    <timestamp>2020-12-28T21:57:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Membres permanents */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2525" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (section 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA.

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>e893e9bab07bd975098280e8726b4127331e1406</sha1>
  </revision>
  <revision>
    <id>92</id>
    <parentid>87</parentid>
    <timestamp>2020-12-29T09:33:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Membres permanents */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2552" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal''']

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>6e8f0143984213885d7e9b181473823ee1685623</sha1>
  </revision>
  <revision>
    <id>98</id>
    <parentid>92</parentid>
    <timestamp>2020-12-29T10:13:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2471" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh'''

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>98ff44a196bef3b9346223708168f0d610c06a34</sha1>
  </revision>
</page>
<page arvcontinue="20201224102257|53">
  <title>Fichier:A ADDrugs.jpg</title>
  <ns>6</ns>
  <id>11</id>
  <revision>
    <id>60</id>
    <timestamp>2020-12-27T09:40:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="9" xml:space="preserve">A_ADDrugs</text>
    <sha1>5365f07ad56c46785b4965dac478fcb8f6f49c87</sha1>
  </revision>
</page>
<page arvcontinue="20201224102257|53">
  <title>Projets</title>
  <ns>0</ns>
  <id>12</id>
  <revision>
    <id>61</id>
    <timestamp>2020-12-27T09:41:06Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « [[Fichier:A ADDrugs.jpg|vignette]] fgfdhfghxb »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="45" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
fgfdhfghxb</text>
    <sha1>160490cb2939417650b4d5ab477b6dee1a83c197</sha1>
  </revision>
  <revision>
    <id>62</id>
    <parentid>61</parentid>
    <timestamp>2020-12-27T09:43:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="787" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' : Action exploratoire Inria portée par Axel Hutt
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.</text>
    <sha1>628ce6ca109a205a66146fd1e1424238d72f1ea9</sha1>
  </revision>
  <revision>
    <id>63</id>
    <parentid>62</parentid>
    <timestamp>2020-12-27T09:44:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="804" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' : Action exploratoire Inria portée par Axel Hutt (oct. 2020 -...)
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.</text>
    <sha1>d703b9761151ae4afbd33610d729bff4ae546e31</sha1>
  </revision>
  <revision>
    <id>64</id>
    <parentid>63</parentid>
    <timestamp>2020-12-27T13:55:49Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6944" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''ArtIC''' (Artificial Intelligence for Care) (sept. 2020 - août 2024) :projet financé par l'Agence Nationale de la Recherche (ANR), l'établissement IA porté par Heywon SEO

* '''Human4D''' (jan. 2020 - déc. 2024) : Acquisition, Analysis and Synthesis of Human Body Shape in Motion , funded by French National Research Agent: l'Agence Nationale de la Recherche (ANR), Collaborative Research Program
Human4D : Acquisition, analyse et synthèse de la forme du corps humain en mouvement (2019-2023) est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon SEO. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS.

Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. La reconstruction, la caractérisation et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes ont de nombreuses applications importantes, telles que la conception ergonomique de produits, la reconstruction rapide de modèles humains réalistes pour des mondes virtuels, et la détection précoce d'anomalies dans l'analyse clinique prédictive. Naturellement, la capture et l'analyse de la forme et du mouvement des personnes ont une longue tradition dans des disciplines telles que la vision par ordinateur, l'infographie et la réalité virtuelle. En témoigne le grand nombre de recherches effectuées sur la reconstruction de formes à partir d'images et de scanners 3D, sur la construction de sous-espaces aux formes multiples, sur la capture de mouvements et la reconnaissance d'actions à partir d'entrées vidéo. Cependant, la plupart des techniques actuelles traitent la forme et le mouvement de manière indépendante, avec des techniques consacrées soit à la forme, soit au mouvement de manière isolée. Ceci est largement dû à la difficulté d'acquérir des observations correctes sur des formes en mouvement complet : Les systèmes traditionnels ont été consacrés à la capture soit de formes statiques, par exemple les scanners 3D, soit de mouvements uniquement, par exemple la capture de mouvements.

Les évolutions récentes de la technologie de capture de formes en mouvement ont changé ce paradigme avec de nouveaux systèmes d'acquisition multi-vues qui permettent désormais de réaliser des modèles 4D complets de formes humaines, y compris la géométrie, le mouvement et l'apparence, comme sur les plateformes commerciales déployées par Intel Studio ou Microsoft Hololense, entre autres. De telles données ouvrent de nouvelles possibilités et de nouveaux défis pour l'analyse et la synthèse des formes humaines en mouvement qui sont encore largement inexplorées mais qui pourraient bénéficier à un large éventail d'applications dans la réalité virtuelle et augmentée, ou dans les domaines du sport et de la médecine. Cela est particulièrement vrai pour les applications immersives de RV/AR en pleine expansion basées sur des écrans montés sur la tête, qui nécessitent des modèles réalistes et détaillés pour améliorer l'expérience immersive. Magic Leap, Microsoft Hololense, Facebook Oculus Rift, Sony PS4 HMD et le HTC Vive, entre autres, sont des exemples clairs de cette évolution récente et rapide et de la nécessité qui en découle de produire des contenus réalistes adaptés. À l'avenir, nous pourrons faire des copies numériques de personnes en mouvement à l'aide d'un appareil d'imagerie pratique, les envoyer sur le réseau et faire des compositions personnalisées des données humaines 4D récupérées dans notre vie quotidienne. Human4D vise à contribuer à cette évolution avec des objectifs qui peuvent améliorer profondément la reconstruction, la transmission et la réutilisation des données humaines numériques, en libérant la puissance des récentes techniques d'apprentissage approfondi et en l'étendant à la modélisation de la forme humaine en 4D.

Les résultats attendus de Human4D peuvent être résumés comme suit :  &lt;br&gt;
- Une base de données des formes du corps humain en 4D à partir de séquences multi-vues, composée de divers individus ayant des caractéristiques physiques différentes et présentant des actions différentes.  &lt;br&gt;
- Un pipeline complet pour la reconstruction et la représentation de modèles 4D humains très précis.  &lt;br&gt;
- Un atlas humain 4D compact, évolutif et facilement disponible, basé sur la base de données de modèles humains 4D ci-dessus.&lt;br&gt;
- Une extension des techniques d'apprentissage approfondi aux données 3D et 4D.&lt;br&gt;
- Des applications représentatives démontrant l'efficacité de l'atlas humain 4D ci-dessus avec la récupération, la synthèse et l'analyse de modèles humains 4D.</text>
    <sha1>05de5a7ed6805e9d3806b716cb037a12089f9469</sha1>
  </revision>
  <revision>
    <id>66</id>
    <parentid>64</parentid>
    <timestamp>2020-12-27T14:02:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6976" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''ArtIC''' (Artificial Intelligence for Care) (sept. 2020 - août 2024) :projet financé par l'Agence Nationale de la Recherche (ANR), l'établissement IA porté par Heywon SEO

[[Fichier:Image1.png|vignette]]
* '''Human4D''' (jan. 2020 - déc. 2024) : Acquisition, Analysis and Synthesis of Human Body Shape in Motion , funded by French National Research Agent: l'Agence Nationale de la Recherche (ANR), Collaborative Research Program
Human4D : Acquisition, analyse et synthèse de la forme du corps humain en mouvement (2019-2023) est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon SEO. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS.

Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. La reconstruction, la caractérisation et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes ont de nombreuses applications importantes, telles que la conception ergonomique de produits, la reconstruction rapide de modèles humains réalistes pour des mondes virtuels, et la détection précoce d'anomalies dans l'analyse clinique prédictive. Naturellement, la capture et l'analyse de la forme et du mouvement des personnes ont une longue tradition dans des disciplines telles que la vision par ordinateur, l'infographie et la réalité virtuelle. En témoigne le grand nombre de recherches effectuées sur la reconstruction de formes à partir d'images et de scanners 3D, sur la construction de sous-espaces aux formes multiples, sur la capture de mouvements et la reconnaissance d'actions à partir d'entrées vidéo. Cependant, la plupart des techniques actuelles traitent la forme et le mouvement de manière indépendante, avec des techniques consacrées soit à la forme, soit au mouvement de manière isolée. Ceci est largement dû à la difficulté d'acquérir des observations correctes sur des formes en mouvement complet : Les systèmes traditionnels ont été consacrés à la capture soit de formes statiques, par exemple les scanners 3D, soit de mouvements uniquement, par exemple la capture de mouvements.

Les évolutions récentes de la technologie de capture de formes en mouvement ont changé ce paradigme avec de nouveaux systèmes d'acquisition multi-vues qui permettent désormais de réaliser des modèles 4D complets de formes humaines, y compris la géométrie, le mouvement et l'apparence, comme sur les plateformes commerciales déployées par Intel Studio ou Microsoft Hololense, entre autres. De telles données ouvrent de nouvelles possibilités et de nouveaux défis pour l'analyse et la synthèse des formes humaines en mouvement qui sont encore largement inexplorées mais qui pourraient bénéficier à un large éventail d'applications dans la réalité virtuelle et augmentée, ou dans les domaines du sport et de la médecine. Cela est particulièrement vrai pour les applications immersives de RV/AR en pleine expansion basées sur des écrans montés sur la tête, qui nécessitent des modèles réalistes et détaillés pour améliorer l'expérience immersive. Magic Leap, Microsoft Hololense, Facebook Oculus Rift, Sony PS4 HMD et le HTC Vive, entre autres, sont des exemples clairs de cette évolution récente et rapide et de la nécessité qui en découle de produire des contenus réalistes adaptés. À l'avenir, nous pourrons faire des copies numériques de personnes en mouvement à l'aide d'un appareil d'imagerie pratique, les envoyer sur le réseau et faire des compositions personnalisées des données humaines 4D récupérées dans notre vie quotidienne. Human4D vise à contribuer à cette évolution avec des objectifs qui peuvent améliorer profondément la reconstruction, la transmission et la réutilisation des données humaines numériques, en libérant la puissance des récentes techniques d'apprentissage approfondi et en l'étendant à la modélisation de la forme humaine en 4D.

Les résultats attendus de Human4D peuvent être résumés comme suit :  &lt;br&gt;
- Une base de données des formes du corps humain en 4D à partir de séquences multi-vues, composée de divers individus ayant des caractéristiques physiques différentes et présentant des actions différentes.  &lt;br&gt;
- Un pipeline complet pour la reconstruction et la représentation de modèles 4D humains très précis.  &lt;br&gt;
- Un atlas humain 4D compact, évolutif et facilement disponible, basé sur la base de données de modèles humains 4D ci-dessus.&lt;br&gt;
- Une extension des techniques d'apprentissage approfondi aux données 3D et 4D.&lt;br&gt;
- Des applications représentatives démontrant l'efficacité de l'atlas humain 4D ci-dessus avec la récupération, la synthèse et l'analyse de modèles humains 4D.</text>
    <sha1>eba27cc0ff5c08771e66f08f8660449e56a93c6c</sha1>
  </revision>
  <revision>
    <id>67</id>
    <parentid>66</parentid>
    <timestamp>2020-12-28T20:55:04Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6987" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''ArtIC''' (Artificial Intelligence for Care) (sept. 2020 - août 2024) :projet financé par l'Agence Nationale de la Recherche (ANR), l'établissement IA porté par Heywon SEO

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' (jan. 2020 - déc. 2024) : Acquisition, Analysis and Synthesis of Human Body Shape in Motion , financé par l'Agence Nationale de la Recherche (ANR), Collaborative Research Program: 
Human4D : Acquisition, analyse et synthèse de la forme du corps humain en mouvement (2019-2023) est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon SEO. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS.

Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. La reconstruction, la caractérisation et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes ont de nombreuses applications importantes, telles que la conception ergonomique de produits, la reconstruction rapide de modèles humains réalistes pour des mondes virtuels, et la détection précoce d'anomalies dans l'analyse clinique prédictive. Naturellement, la capture et l'analyse de la forme et du mouvement des personnes ont une longue tradition dans des disciplines telles que la vision par ordinateur, l'infographie et la réalité virtuelle. En témoigne le grand nombre de recherches effectuées sur la reconstruction de formes à partir d'images et de scanners 3D, sur la construction de sous-espaces aux formes multiples, sur la capture de mouvements et la reconnaissance d'actions à partir d'entrées vidéo. Cependant, la plupart des techniques actuelles traitent la forme et le mouvement de manière indépendante, avec des techniques consacrées soit à la forme, soit au mouvement de manière isolée. Ceci est largement dû à la difficulté d'acquérir des observations correctes sur des formes en mouvement complet : Les systèmes traditionnels ont été consacrés à la capture soit de formes statiques, par exemple les scanners 3D, soit de mouvements uniquement, par exemple la capture de mouvements.

Les évolutions récentes de la technologie de capture de formes en mouvement ont changé ce paradigme avec de nouveaux systèmes d'acquisition multi-vues qui permettent désormais de réaliser des modèles 4D complets de formes humaines, y compris la géométrie, le mouvement et l'apparence, comme sur les plateformes commerciales déployées par Intel Studio ou Microsoft Hololense, entre autres. De telles données ouvrent de nouvelles possibilités et de nouveaux défis pour l'analyse et la synthèse des formes humaines en mouvement qui sont encore largement inexplorées mais qui pourraient bénéficier à un large éventail d'applications dans la réalité virtuelle et augmentée, ou dans les domaines du sport et de la médecine. Cela est particulièrement vrai pour les applications immersives de RV/AR en pleine expansion basées sur des écrans montés sur la tête, qui nécessitent des modèles réalistes et détaillés pour améliorer l'expérience immersive. Magic Leap, Microsoft Hololense, Facebook Oculus Rift, Sony PS4 HMD et le HTC Vive, entre autres, sont des exemples clairs de cette évolution récente et rapide et de la nécessité qui en découle de produire des contenus réalistes adaptés. À l'avenir, nous pourrons faire des copies numériques de personnes en mouvement à l'aide d'un appareil d'imagerie pratique, les envoyer sur le réseau et faire des compositions personnalisées des données humaines 4D récupérées dans notre vie quotidienne. Human4D vise à contribuer à cette évolution avec des objectifs qui peuvent améliorer profondément la reconstruction, la transmission et la réutilisation des données humaines numériques, en libérant la puissance des récentes techniques d'apprentissage approfondi et en l'étendant à la modélisation de la forme humaine en 4D.

Les résultats attendus de Human4D peuvent être résumés comme suit :  &lt;br&gt;
- Une base de données des formes du corps humain en 4D à partir de séquences multi-vues, composée de divers individus ayant des caractéristiques physiques différentes et présentant des actions différentes.  &lt;br&gt;
- Un pipeline complet pour la reconstruction et la représentation de modèles 4D humains très précis.  &lt;br&gt;
- Un atlas humain 4D compact, évolutif et facilement disponible, basé sur la base de données de modèles humains 4D ci-dessus.&lt;br&gt;
- Une extension des techniques d'apprentissage approfondi aux données 3D et 4D.&lt;br&gt;
- Des applications représentatives démontrant l'efficacité de l'atlas humain 4D ci-dessus avec la récupération, la synthèse et l'analyse de modèles humains 4D.</text>
    <sha1>7934b4d3e0be161c606bb9919f8158acd8467d8d</sha1>
  </revision>
  <revision>
    <id>68</id>
    <parentid>67</parentid>
    <timestamp>2020-12-28T20:57:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4165" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''ArtIC''' (Artificial Intelligence for Care) (sept. 2020 - août 2024) :projet financé par l'Agence Nationale de la Recherche (ANR), l'établissement IA porté par Heywon SEO

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' (2019-2024): Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon SEO. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. La reconstruction, la caractérisation et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes ont de nombreuses applications importantes, telles que la conception ergonomique de produits, la reconstruction rapide de modèles humains réalistes pour des mondes virtuels, et la détection précoce d'anomalies dans l'analyse clinique prédictive. Naturellement, la capture et l'analyse de la forme et du mouvement des personnes ont une longue tradition dans des disciplines telles que la vision par ordinateur, l'infographie et la réalité virtuelle. En témoigne le grand nombre de recherches effectuées sur la reconstruction de formes à partir d'images et de scanners 3D, sur la construction de sous-espaces aux formes multiples, sur la capture de mouvements et la reconnaissance d'actions à partir d'entrées vidéo. Cependant, la plupart des techniques actuelles traitent la forme et le mouvement de manière indépendante, avec des techniques consacrées soit à la forme, soit au mouvement de manière isolée. Ceci est largement dû à la difficulté d'acquérir des observations correctes sur des formes en mouvement complet : Les systèmes traditionnels ont été consacrés à la capture soit de formes statiques, par exemple les scanners 3D, soit de mouvements uniquement, par exemple la capture de mouvements.</text>
    <sha1>85446217ebabf13f79f755cf3b725423563d88cb</sha1>
  </revision>
  <revision>
    <id>69</id>
    <parentid>68</parentid>
    <timestamp>2020-12-28T21:01:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4404" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''ArtIC''' (Artificial Intelligence for Care) (sept. 2020 - août 2024) :projet financé par l'Agence Nationale de la Recherche (ANR), l'établissement IA porté par Heywon SEO

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' (2019-2024): Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon SEO. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS.
 
Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. La reconstruction, la caractérisation et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes ont de nombreuses applications importantes, telles que la conception ergonomique de produits, la reconstruction rapide de modèles humains réalistes pour des mondes virtuels, et la détection précoce d'anomalies dans l'analyse clinique prédictive. Alors que les algorithmes d'apprentissage en profondeur (DL) ont été utilisés dans certains contextes 3D, leur intérêt pour la modélisation de formes complexes et articulées comme le corps humain n'a pas encore été pleinement exploré, et l'extension de la capacité d'apprentissage au contexte 4D reste un domaine inexploré. Le projet Human4D vise à étudier certains de ces problèmes avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte, comme l'exigent les applications avancées telles que l'analyse statistique ou la synthèse de mouvement. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes. Bien que toutes ces idées existent déjà et ne soient pas nouvelles en soi, aucun travail existant n'a atteint un objectif similaire. En effet, la complexité et le changement persistant de la géométrie et de la topologie de ces données variant dans le temps rendent la plupart des algorithmes d'analyse de forme traditionnels inadaptés.</text>
    <sha1>86f4e99fd41287328564e48375703317cac3da42</sha1>
  </revision>
  <revision>
    <id>70</id>
    <parentid>69</parentid>
    <timestamp>2020-12-28T21:03:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4452" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' (Artificial Intelligence for Care) (sept. 2020 - août 2024) :projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' (2019-2024): Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon SEO. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. La reconstruction, la caractérisation et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes ont de nombreuses applications importantes, telles que la conception ergonomique de produits, la reconstruction rapide de modèles humains réalistes pour des mondes virtuels, et la détection précoce d'anomalies dans l'analyse clinique prédictive. Alors que les algorithmes d'apprentissage en profondeur (DL) ont été utilisés dans certains contextes 3D, leur intérêt pour la modélisation de formes complexes et articulées comme le corps humain n'a pas encore été pleinement exploré, et l'extension de la capacité d'apprentissage au contexte 4D reste un domaine inexploré. Le projet Human4D vise à étudier certains de ces problèmes avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte, comme l'exigent les applications avancées telles que l'analyse statistique ou la synthèse de mouvement. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes. Bien que toutes ces idées existent déjà et ne soient pas nouvelles en soi, aucun travail existant n'a atteint un objectif similaire. En effet, la complexité et le changement persistant de la géométrie et de la topologie de ces données variant dans le temps rendent la plupart des algorithmes d'analyse de forme traditionnels inadaptés.</text>
    <sha1>90671a45b2eea27c2aeb68d38faee98770cf981e</sha1>
  </revision>
  <revision>
    <id>71</id>
    <parentid>70</parentid>
    <timestamp>2020-12-28T21:14:44Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4723" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' (Artificial Intelligence for Care) (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''': Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' (oct. 2019 - mar. 2024) : Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. La reconstruction, la caractérisation et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes ont de nombreuses applications importantes, telles que la conception ergonomique de produits, la reconstruction rapide de modèles humains réalistes pour des mondes virtuels, et la détection précoce d'anomalies dans l'analyse clinique prédictive. Alors que les algorithmes d'apprentissage en profondeur (DL) ont été utilisés dans certains contextes 3D, leur intérêt pour la modélisation de formes complexes et articulées comme le corps humain n'a pas encore été pleinement exploré, et l'extension de la capacité d'apprentissage au contexte 4D reste un domaine inexploré. Le projet Human4D vise à étudier certains de ces problèmes avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte, comme l'exigent les applications avancées telles que l'analyse statistique ou la synthèse de mouvement. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes. Bien que toutes ces idées existent déjà et ne soient pas nouvelles en soi, aucun travail existant n'a atteint un objectif similaire. En effet, la complexité et le changement persistant de la géométrie et de la topologie de ces données variant dans le temps rendent la plupart des algorithmes d'analyse de forme traditionnels inadaptés.</text>
    <sha1>9e342935b36dbf4c52ee6382882df2ecfa45f45f</sha1>
  </revision>
  <revision>
    <id>72</id>
    <parentid>71</parentid>
    <timestamp>2020-12-28T21:17:05Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4724" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' (Artificial Intelligence for Care) (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. La reconstruction, la caractérisation et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes ont de nombreuses applications importantes, telles que la conception ergonomique de produits, la reconstruction rapide de modèles humains réalistes pour des mondes virtuels, et la détection précoce d'anomalies dans l'analyse clinique prédictive. Alors que les algorithmes d'apprentissage en profondeur (DL) ont été utilisés dans certains contextes 3D, leur intérêt pour la modélisation de formes complexes et articulées comme le corps humain n'a pas encore été pleinement exploré, et l'extension de la capacité d'apprentissage au contexte 4D reste un domaine inexploré. Le projet Human4D vise à étudier certains de ces problèmes avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte, comme l'exigent les applications avancées telles que l'analyse statistique ou la synthèse de mouvement. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes. Bien que toutes ces idées existent déjà et ne soient pas nouvelles en soi, aucun travail existant n'a atteint un objectif similaire. En effet, la complexité et le changement persistant de la géométrie et de la topologie de ces données variant dans le temps rendent la plupart des algorithmes d'analyse de forme traditionnels inadaptés.</text>
    <sha1>f576cafc25bf39bd34a2ef8d97b750b69736226b</sha1>
  </revision>
  <revision>
    <id>73</id>
    <parentid>72</parentid>
    <timestamp>2020-12-28T21:17:38Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4724" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. La reconstruction, la caractérisation et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes ont de nombreuses applications importantes, telles que la conception ergonomique de produits, la reconstruction rapide de modèles humains réalistes pour des mondes virtuels, et la détection précoce d'anomalies dans l'analyse clinique prédictive. Alors que les algorithmes d'apprentissage en profondeur (DL) ont été utilisés dans certains contextes 3D, leur intérêt pour la modélisation de formes complexes et articulées comme le corps humain n'a pas encore été pleinement exploré, et l'extension de la capacité d'apprentissage au contexte 4D reste un domaine inexploré. Le projet Human4D vise à étudier certains de ces problèmes avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte, comme l'exigent les applications avancées telles que l'analyse statistique ou la synthèse de mouvement. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes. Bien que toutes ces idées existent déjà et ne soient pas nouvelles en soi, aucun travail existant n'a atteint un objectif similaire. En effet, la complexité et le changement persistant de la géométrie et de la topologie de ces données variant dans le temps rendent la plupart des algorithmes d'analyse de forme traditionnels inadaptés.</text>
    <sha1>829f111389bdcde4ca3c0e89ebe14f96b9f02add</sha1>
  </revision>
  <revision>
    <id>74</id>
    <parentid>73</parentid>
    <timestamp>2020-12-28T21:19:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4111" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet Human4D vise à étudier la reconstruction, la caractérisation et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte, comme l'exigent les applications avancées telles que l'analyse statistique ou la synthèse de mouvement. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes. Bien que toutes ces idées existent déjà et ne soient pas nouvelles en soi, aucun travail existant n'a atteint un objectif similaire. En effet, la complexité et le changement persistant de la géométrie et de la topologie de ces données variant dans le temps rendent la plupart des algorithmes d'analyse de forme traditionnels inadaptés.</text>
    <sha1>a0092b9629000b489e7d60f5e62d2381b6e13528</sha1>
  </revision>
  <revision>
    <id>75</id>
    <parentid>74</parentid>
    <timestamp>2020-12-28T21:20:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4097" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte, comme l'exigent les applications avancées telles que l'analyse statistique ou la synthèse de mouvement. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes. Bien que toutes ces idées existent déjà et ne soient pas nouvelles en soi, aucun travail existant n'a atteint un objectif similaire. En effet, la complexité et le changement persistant de la géométrie et de la topologie de ces données variant dans le temps rendent la plupart des algorithmes d'analyse de forme traditionnels inadaptés.</text>
    <sha1>40906f5c95932f206d6664d071121c36e890d265</sha1>
  </revision>
  <revision>
    <id>76</id>
    <parentid>75</parentid>
    <timestamp>2020-12-28T21:22:06Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3647" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes.</text>
    <sha1>3323aa33267b7bf09c82feef5358398e7219bb0e</sha1>
  </revision>
  <revision>
    <id>77</id>
    <parentid>76</parentid>
    <timestamp>2020-12-28T21:23:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3648" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes.</text>
    <sha1>bff61c6e52f7c0f30efc98e30bf223b5ae23e12b</sha1>
  </revision>
</page>
<page arvcontinue="20201224102257|53">
  <title>Fichier:Image1.png</title>
  <ns>6</ns>
  <id>13</id>
  <revision>
    <id>65</id>
    <timestamp>2020-12-27T14:01:11Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6" xml:space="preserve">Image1</text>
    <sha1>1ceab849b06b110ea1731410e8c5d8d8c98c2a4e</sha1>
  </revision>
</page>
<page arvcontinue="20201224102257|53">
  <title>Recherche</title>
  <ns>0</ns>
  <id>14</id>
  <revision>
    <id>78</id>
    <timestamp>2020-12-28T21:32:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « L’équipe est structurée en trois thèmes:  * Data-driven Modeling  * Real-time Simulation  * Optimization &amp; Learning »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="120" xml:space="preserve">L’équipe est structurée en trois thèmes:

* Data-driven Modeling

* Real-time Simulation

* Optimization &amp; Learning</text>
    <sha1>30bc64c3ef41d96edeca9ec8c6173b236cb87581</sha1>
  </revision>
  <revision>
    <id>93</id>
    <parentid>78</parentid>
    <timestamp>2020-12-29T09:42:55Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="369" xml:space="preserve">L’équipe est structurée en trois thèmes:

* '''Data-driven Modeling''' : Neurosciences, geometry, biomechanics, behavior, interaction, shape &amp; motion

* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

* '''Optimization &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>0cb80d11c44b61e5645626948eb80ad259d33518</sha1>
  </revision>
  <revision>
    <id>99</id>
    <parentid>93</parentid>
    <timestamp>2021-01-01T09:32:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="613" xml:space="preserve">Our core research is to:
* develop novel bio-inspired models
* understand brain behavior function
* optimize for real-time performance
and improve from real-world data
With the main objective:
* provide context-aware assistance to physicians


L’équipe est structurée en trois thèmes:

* '''Data-driven Modeling''' : Neurosciences, geometry, biomechanics, behavior, interaction, shape &amp; motion

* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

* '''Optimization &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>c08fe35d27203f1f7262a48497f6ca8ce6dbd135</sha1>
  </revision>
  <revision>
    <id>100</id>
    <parentid>99</parentid>
    <timestamp>2021-01-01T09:38:07Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="665" xml:space="preserve">[[Fichier:Gloves.png|vignette|Human grip analysis]]
Our core research is to:
* develop novel bio-inspired models
* understand brain behavior function
* optimize for real-time performance
and improve from real-world data
With the main objective:
* provide context-aware assistance to physicians


L’équipe est structurée en trois thèmes:

* '''Data-driven Modeling''' : Neurosciences, geometry, biomechanics, behavior, interaction, shape &amp; motion

* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

* '''Optimization &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>5bdd3d98b4040368b0260a93624d763ce4f76d4c</sha1>
  </revision>
  <revision>
    <id>101</id>
    <parentid>100</parentid>
    <timestamp>2021-01-01T09:56:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="718" xml:space="preserve">notre principale recherche est de: 
* développer des nouveaux modèles/systèmes bio-inspirés (humains, organes, patients)
* modélisation et compréhension de certaines fonctions de cerveau 
* optimizer for real-time performance
* améliorer des données du monde réel

With the main objective:
* provide context-aware assistance to physicians

L’équipe est structurée en trois thèmes:

* '''Data-driven Modeling''' : Neurosciences, geometry, biomechanics, behavior, interaction, shape &amp; motion

* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

* '''Optimization &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>dcb9514dd1919ccb38dedc156e658e64933542a6</sha1>
  </revision>
  <revision>
    <id>102</id>
    <parentid>101</parentid>
    <timestamp>2021-01-01T10:41:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="892" xml:space="preserve">Notre principale recherche est de: 
* développer des nouveaux modèles/systèmes bio-inspirés (humains, organes, patients),
* modélisation et compréhension de certaines fonctions de cerveau,
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en temps réel, et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des données du monde réel 

Contexte global autours de tout ces objectives est:
* fournier le systèmes et assistance aux médecins 

L’équipe est structurée en trois thèmes:

* '''Data-driven Modeling''' : Neurosciences, geometry, biomechanics, behavior, interaction, shape &amp; motion

* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

* '''Optimization &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>e378d18da2751c9b127755b5f1e1e62e2b7a2446</sha1>
  </revision>
  <revision>
    <id>103</id>
    <parentid>102</parentid>
    <timestamp>2021-01-01T10:42:16Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="916" xml:space="preserve">Notre principale recherche est de: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel''' 

Contexte global autours de tout ces objectives est:
* fournier le systèmes et assistance aux médecins 

L’équipe est structurée en trois thèmes:

* '''Data-driven Modeling''' : Neurosciences, geometry, biomechanics, behavior, interaction, shape &amp; motion

* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

* '''Optimization &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>7ca722b264f5b58340c45a6bf1499f00234726ed</sha1>
  </revision>
  <revision>
    <id>104</id>
    <parentid>103</parentid>
    <timestamp>2021-01-01T10:51:40Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="967" xml:space="preserve">Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

L’équipe est structurée en trois thèmes:

* '''Modélisation dérivée par les données''' : Neurosciences, geometry, biomécaniques, behavior, interaction, shape &amp; motion

* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>73b3feeaebef52f7b174289b3b5c16c3679f4367</sha1>
  </revision>
  <revision>
    <id>105</id>
    <parentid>104</parentid>
    <timestamp>2021-01-01T10:54:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1011" xml:space="preserve">Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

L’équipe est structurée en trois thèmes:
==Modélisation dérivée par les données==
* '''Modélisation dérivée par les données''' : Neurosciences, geometry, biomécaniques, behavior, interaction, shape &amp; motion

* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>c9718211cc13d2aa0f3ae083650ba5d95ea577fb</sha1>
  </revision>
</page>
<page arvcontinue="20201224102257|53">
  <title>Actualités</title>
  <ns>0</ns>
  <id>10</id>
  <revision>
    <id>82</id>
    <parentid>37</parentid>
    <timestamp>2020-12-28T21:52:15Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="149" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables d'équipe: Stéphane Cotin et Hyewon Seo).</text>
    <sha1>91b1db89216065a4a9a448dd7c2ca2c12a243a94</sha1>
  </revision>
  <revision>
    <id>83</id>
    <parentid>82</parentid>
    <timestamp>2020-12-28T21:52:43Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="152" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).</text>
    <sha1>1f11352f5aaf588699d1a1cab0bfbc540fd03b9e</sha1>
  </revision>
</page>
<page arvcontinue="20201224102257|53">
  <title>Contact</title>
  <ns>0</ns>
  <id>6</id>
  <revision>
    <id>88</id>
    <parentid>36</parentid>
    <timestamp>2020-12-28T21:57:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Chefs d'équipe */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="392" xml:space="preserve">
== Co-responsables d'équipe == 
[http://http://igg.unistra.fr/People/seo/ Hyewon Seo] et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg
Bâtiment Clovis Vincent
5 rue Kirschleger
67085  Strasbourg Cedex FRANCE

== Coordonnées GPS== 
(48.57542, 7.74398): 
[https://goo.gl/maps/wLEyPi55MFkM1rEQ9 Lien Google map]</text>
    <sha1>d4bef15b2f0999c68985ac2cb5fe4de5c2ee1cb2</sha1>
  </revision>
  <revision>
    <id>89</id>
    <parentid>88</parentid>
    <timestamp>2020-12-28T21:58:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Adresse postale */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="397" xml:space="preserve">
== Co-responsables d'équipe == 
[http://http://igg.unistra.fr/People/seo/ Hyewon Seo] et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, 

Université de Strasbourg

Bâtiment Clovis Vincent

5 rue Kirschleger

67085  Strasbourg Cedex FRANCE

== Coordonnées GPS== 
(48.57542, 7.74398): 
[https://goo.gl/maps/wLEyPi55MFkM1rEQ9 Lien Google map]</text>
    <sha1>a7d37d86f715d843d4d2131fad8a673ef225f5d2</sha1>
  </revision>
  <revision>
    <id>90</id>
    <parentid>89</parentid>
    <timestamp>2020-12-28T21:58:40Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Adresse postale */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="392" xml:space="preserve">
== Co-responsables d'équipe == 
[http://http://igg.unistra.fr/People/seo/ Hyewon Seo] et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg
Bâtiment Clovis Vincent
5 rue Kirschleger
67085  Strasbourg Cedex FRANCE

== Coordonnées GPS== 
(48.57542, 7.74398): 
[https://goo.gl/maps/wLEyPi55MFkM1rEQ9 Lien Google map]</text>
    <sha1>d4bef15b2f0999c68985ac2cb5fe4de5c2ee1cb2</sha1>
  </revision>
  <revision>
    <id>95</id>
    <parentid>90</parentid>
    <timestamp>2020-12-29T09:49:33Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Adresse postale */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="425" xml:space="preserve">
== Co-responsables d'équipe == 
[http://http://igg.unistra.fr/People/seo/ Hyewon Seo] et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg
Bâtiment Clovis Vincent
5 rue Kirschleger
67085  Strasbourg Cedex FRANCE

[[Fichier:Clovis.jpg|vignette]]

== Coordonnées GPS== 
(48.57542, 7.74398): 
[https://goo.gl/maps/wLEyPi55MFkM1rEQ9 Lien Google map]</text>
    <sha1>b6df0b03ac4bb4e34bc624a733814f18340d7e0a</sha1>
  </revision>
</page>
<page arvcontinue="20201224102257|53">
  <title>Fichier:Clovis.jpg</title>
  <ns>6</ns>
  <id>15</id>
  <revision>
    <id>94</id>
    <timestamp>2020-12-29T09:49:20Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6" xml:space="preserve">clovis</text>
    <sha1>4087a7b313247c296f4b49657fccedc4b2bac42d</sha1>
  </revision>
</page>
<page arvcontinue="20201224102257|53">
  <title>Fichier:Sofa.png</title>
  <ns>6</ns>
  <id>16</id>
  <revision>
    <id>96</id>
    <timestamp>2020-12-29T09:52:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4" xml:space="preserve">sofa</text>
    <sha1>68e0dce54a9e2e87fcb590ec7b7e61e1b73ee778</sha1>
  </revision>
</page>
<page arvcontinue="20201224102257|53">
  <title>Ressources</title>
  <ns>0</ns>
  <id>17</id>
  <revision>
    <id>97</id>
    <timestamp>2020-12-29T09:54:42Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « [[Fichier:Sofa.png|vignette]] * '''[https://www.sofa-framework.org/ SOFA]''':  Une partie des membres de l'équipe MLMS utilisent et contribuent à SOFA qui est un cadre e… »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="279" xml:space="preserve">[[Fichier:Sofa.png|vignette]]
* '''[https://www.sofa-framework.org/ SOFA]''': 
Une partie des membres de l'équipe MLMS utilisent et contribuent à SOFA qui est un cadre efficace dédié à la recherche, au prototypage et au développement de simulations basées sur la physique.</text>
    <sha1>eb60efe06fc57d9c9c1b137ce33238932c72f66c</sha1>
  </revision>
</page>
<page arvcontinue="20210101105456|106">
  <title>Recherche</title>
  <ns>0</ns>
  <id>14</id>
  <revision>
    <id>106</id>
    <parentid>105</parentid>
    <timestamp>2021-01-01T10:54:56Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1026" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

L’équipe est structurée en trois thèmes:
==Modélisation dérivée par les données==
* '''Modélisation dérivée par les données''' : Neurosciences, geometry, biomécaniques, behavior, interaction, shape &amp; motion

* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>3d8a999a0dde1f1b63a5796d64ea0188a84a6630</sha1>
  </revision>
  <revision>
    <id>107</id>
    <parentid>106</parentid>
    <timestamp>2021-01-01T10:55:26Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1039" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Modélisation dérivée par les données''' : Neurosciences, geometry, biomécaniques, behavior, interaction, shape &amp; motion

* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>a37788f4bfd4077bbf0694729d4283b2965c9c07</sha1>
  </revision>
  <revision>
    <id>108</id>
    <parentid>107</parentid>
    <timestamp>2021-01-01T10:57:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Thèmes */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1113" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Modélisation dérivée par les données''' : Neurosciences, geometry, biomécaniques, behavior, interaction, shape &amp; motion
===Simulation en temps réel===
* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing
===Optimisation &amp; Learning===
* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>fc957111a7891e6a6dae5dca4914a6094d46bf68</sha1>
  </revision>
  <revision>
    <id>109</id>
    <parentid>108</parentid>
    <timestamp>2021-01-01T10:57:33Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Modélisation dérivée par les données */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1142" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
====Membres: Hyewon Seo====
* '''Modélisation dérivée par les données''' : Neurosciences, geometry, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing
===Optimisation &amp; Learning===
* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>d18fa2a077b3680d2522621463311f6bc889f763</sha1>
  </revision>
  <revision>
    <id>110</id>
    <parentid>109</parentid>
    <timestamp>2021-01-01T10:59:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Modélisation dérivée par les données */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1227" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédri Bobenrieth, Stephane Cotin, Birgitta Dresp-Langsay, Michel Duprez, Axel Hutt, Hyewon Seo
* '''Modélisation dérivée par les données''' : Neurosciences, geometry, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing
===Optimisation &amp; Learning===
* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>a2c341e7f30a2872c3f9c37a98087d125380ac82</sha1>
  </revision>
  <revision>
    <id>111</id>
    <parentid>110</parentid>
    <timestamp>2021-01-01T11:10:48Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Thèmes de recherches */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1229" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* '''Modélisation dérivée par les données''' : Neurosciences, geometry, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing
===Optimisation &amp; Learning===
* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>478364a949d7b02dd851f53a1425f5fa52dc45f3</sha1>
  </revision>
  <revision>
    <id>112</id>
    <parentid>111</parentid>
    <timestamp>2021-01-01T11:12:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Simulation en temps réel */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1299" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* '''Modélisation dérivée par les données''' : Neurosciences, geometry, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>70992d65ab31fe7001df9c322486a349f4f9dd83</sha1>
  </revision>
  <revision>
    <id>113</id>
    <parentid>112</parentid>
    <timestamp>2021-01-01T11:13:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1368" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* '''Modélisation dérivée par les données''' : Neurosciences, geometry, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>f709e401b98808015566907c1315a89c5d6ec5f1</sha1>
  </revision>
  <revision>
    <id>114</id>
    <parentid>113</parentid>
    <timestamp>2021-01-01T11:13:47Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1411" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* '''Modélisation dérivée par les données''' : Neurosciences, geometry, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
*'''Membres''': Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>7a161245a0d5eba28ecc7efe909966018a41ff31</sha1>
  </revision>
  <revision>
    <id>115</id>
    <parentid>114</parentid>
    <timestamp>2021-01-01T11:16:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Modélisation dérivée par les données */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1384" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
*'''Membres''': Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* '''Optimisation &amp; Learning''' : optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>1a80faf957cbf6430ab8912ff93110bef972f2db</sha1>
  </revision>
  <revision>
    <id>116</id>
    <parentid>115</parentid>
    <timestamp>2021-01-01T11:16:48Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1372" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* '''Real-time Simulation''' : deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
*'''Membres''': Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à chercher optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>d25404bcbcba1adfb5ef9aa5bbdcb50505c668f1</sha1>
  </revision>
  <revision>
    <id>117</id>
    <parentid>116</parentid>
    <timestamp>2021-01-01T11:17:17Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Simulation en temps réel */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1393" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
*'''Membres''': Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à chercher optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>967fc7da0724343f2fb50782d536c011d037b3f3</sha1>
  </revision>
  <revision>
    <id>118</id>
    <parentid>117</parentid>
    <timestamp>2021-01-01T11:31:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1589" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
*'''Membres''': Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à exploiter les données du monde réel pour alimenter et améliorer nos modèles afin de rendre ces modèles et simulations plus spécifiques au patient et prédictifs.
(comportement, cerveau, deformatio).
optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>5ac9162ff5fc3e172cdd8b1f5b1efb4d163f56e6</sha1>
  </revision>
  <revision>
    <id>119</id>
    <parentid>118</parentid>
    <timestamp>2021-01-01T11:31:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1584" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à exploiter les données du monde réel pour alimenter et améliorer nos modèles afin de rendre ces modèles et simulations plus spécifiques au patient et prédictifs.
(comportement, cerveau, deformatio).
optimal control, shape optimization, data assimilation, deep learning</text>
    <sha1>c7411a2f1aa482472ecdf81138dc59b369863723</sha1>
  </revision>
  <revision>
    <id>120</id>
    <parentid>119</parentid>
    <timestamp>2021-01-01T11:34:11Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1660" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à exploiter les données du monde réel pour alimenter et améliorer nos modèles afin de rendre ces modèles et simulations plus spécifiques au patient et prédictifs.
(comportement, cerveau, deformatio).
optimal control, shape optimization, data assimilation, deep learning

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>b4d159124dd646f84d8f4745f0ba211028c82300</sha1>
  </revision>
  <revision>
    <id>121</id>
    <parentid>120</parentid>
    <timestamp>2021-01-01T11:37:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1661" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à exploiter les données du monde réel pour alimenter et améliorer nos modèles afin de rendre ces modèles et simulations plus spécifiques au patient et prédictifs.
* Mots de clés: control optimal, optimisation de la forme, assimilation de données, apprentissage profond

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>67d6df135fea698e59d8d3aa6b447a18f47a89e3</sha1>
  </revision>
  <revision>
    <id>122</id>
    <parentid>121</parentid>
    <timestamp>2021-01-01T11:40:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1901" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à exploiter les données du monde réel pour alimenter et améliorer nos modèles afin de rendre ces modèles et simulations plus spécifiques au patient et prédictifs.
* Les défis:
(1) Extraire des informations robustes et significatives des signaux, 
(2) Utilisez ces informations pour déduire les paramètres du modèle, et 
(3)Résoudre les problèmes mal posés tels que la récupération de forme.

* Mots de clés: contrôle optimal, optimisation de la forme, assimilation de données, apprentissage profond

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>f46c2cc1eaa995d1daa6db8a36cf78ef54831354</sha1>
  </revision>
  <revision>
    <id>123</id>
    <parentid>122</parentid>
    <timestamp>2021-01-01T11:41:31Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1900" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à exploiter les données du monde réel pour alimenter et améliorer nos modèles afin de rendre ces modèles et simulations plus spécifiques au patient et prédictifs.
* Les défis:
## Extraire des informations robustes et significatives des signaux, 
## Utilisez ces informations pour déduire les paramètres du modèle, et 
### Résoudre les problèmes mal posés tels que la récupération de forme.

* Mots de clés: contrôle optimal, optimisation de la forme, assimilation de données, apprentissage profond

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>d2b3f7499d2c9a81be59324e36499eb6b5006a87</sha1>
  </revision>
  <revision>
    <id>124</id>
    <parentid>123</parentid>
    <timestamp>2021-01-01T11:41:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1896" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à exploiter les données du monde réel pour alimenter et améliorer nos modèles afin de rendre ces modèles et simulations plus spécifiques au patient et prédictifs.
* Les défis:
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la récupération de forme.

* Mots de clés: contrôle optimal, optimisation de la forme, assimilation de données, apprentissage profond

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>72106083c897340d0d40ecb3444da8ab0b97f3f9</sha1>
  </revision>
  <revision>
    <id>125</id>
    <parentid>124</parentid>
    <timestamp>2021-01-01T11:42:41Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1901" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à exploiter les données du monde réel pour alimenter et améliorer nos modèles afin de rendre ces modèles et simulations plus spécifiques au patient et prédictifs.
* Les défis sont:
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal-posés tels que la récupération de forme.

* Mots de clés: contrôle optimal, optimisation de la forme, assimilation de données, apprentissage profond

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>82f43dddca4ca2f43cc3e9a2722816c0e09fcbc5</sha1>
  </revision>
  <revision>
    <id>126</id>
    <parentid>125</parentid>
    <timestamp>2021-01-01T11:42:55Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1902" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à exploiter les données du monde réel pour alimenter et améliorer nos modèles afin de rendre ces modèles et simulations plus spécifiques au patient et prédictifs.
* Les défis sont:
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal-posés tels que la récupération de forme.

* Mots de clés: contrôle optimal, optimisation de la forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>41ee01aeb317e93a5393406f6339ecf6d38bf1ec</sha1>
  </revision>
  <revision>
    <id>127</id>
    <parentid>126</parentid>
    <timestamp>2021-01-01T11:43:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1899" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Il vise à exploiter les données du monde réel pour alimenter et améliorer nos modèles afin de rendre ces modèles et simulations plus spécifiques au patient et prédictifs.
* Les défis sont:
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la récupération de forme.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>6a33e73e2d0dd96ef537cce774aeaea26fd09736</sha1>
  </revision>
  <revision>
    <id>128</id>
    <parentid>127</parentid>
    <timestamp>2021-01-01T13:40:26Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1867" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la récupération de forme.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>6eab60a230b39160a199c73de52aa42e7f499edc</sha1>
  </revision>
  <revision>
    <id>129</id>
    <parentid>128</parentid>
    <timestamp>2021-01-01T13:42:33Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1900" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
*'''Membres''': Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos probleme visés, tems-réel, deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>09716e69e099059e08f5387eb7775a85a9dd7bb2</sha1>
  </revision>
  <revision>
    <id>130</id>
    <parentid>129</parentid>
    <timestamp>2021-01-01T13:46:44Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Simulation en temps réel */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2052" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Modélisation en neurosciences, géométrique, biomécaniques, behavior, interaction, shape &amp; motion

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos problème visés, tems-réel, 
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>26da59a7a9449d8235cf0c3fcd6f2aa81ff4d8d0</sha1>
  </revision>
  <revision>
    <id>131</id>
    <parentid>130</parentid>
    <timestamp>2021-01-01T13:59:39Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Modélisation dérivée par les données */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2121" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour beaucoup de nos problème visés, tems-réel, 
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>60e5e05e9a7a01a01246e7e52031293d49774006</sha1>
  </revision>
  <revision>
    <id>132</id>
    <parentid>131</parentid>
    <timestamp>2021-01-01T14:09:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Thèmes de recherches */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2455" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* '''Membres''': Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Le développement de nos modèles est motivé par les applications
* Pour beaucoup de nos problèmes et l'applications que visons, tems-réel, 
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>828441f7ba25c3ed45a2ae57c87ee4b48114af92</sha1>
  </revision>
  <revision>
    <id>133</id>
    <parentid>132</parentid>
    <timestamp>2021-01-01T14:10:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Modélisation dérivée par les données */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2449" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* modélisation et compréhension de certaines '''fonctions de cerveau''',
* optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.
==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Le développement de nos modèles est motivé par les applications
* Pour beaucoup de nos problèmes et l'applications que visons, tems-réel, 
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>374ca6bc24351c6548adbb56421ecebf8268bd19</sha1>
  </revision>
  <revision>
    <id>134</id>
    <parentid>133</parentid>
    <timestamp>2021-01-01T14:10:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Objectives */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2450" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Le développement de nos modèles est motivé par les applications
* Pour beaucoup de nos problèmes et l'applications que visons, tems-réel, 
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, error analysis, haptic feedback, model reduction, GPU computing

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>28ef73acd5edc5233b1ab8224eac005ee84f7800</sha1>
  </revision>
  <revision>
    <id>135</id>
    <parentid>134</parentid>
    <timestamp>2021-01-01T16:34:29Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Simulation en temps réel */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2500" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Le développement de nos modèles est motivé par les applications
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, tems-réel, en particulier.  
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>a2691db5a4277b890bc6f88d9a549e919bcc6229</sha1>
  </revision>
  <revision>
    <id>136</id>
    <parentid>135</parentid>
    <timestamp>2021-01-01T16:36:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Modélisation dérivée par les données */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2558" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots de clés: modélisation dérivée par les données

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Le développement de nos modèles est motivé par les applications
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, tems-réel, en particulier.  
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>6faed07657a4e3170a4e84eb30b18753c4a2c7fe</sha1>
  </revision>
  <revision>
    <id>137</id>
    <parentid>136</parentid>
    <timestamp>2021-01-01T16:37:55Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Modélisation dérivée par les données */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2640" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots de clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Le développement de nos modèles est motivé par les applications
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, tems-réel, en particulier.  
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle, et 
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>a25c1a5a8a0afb86d00d125384bbabab9b661c13</sha1>
  </revision>
  <revision>
    <id>138</id>
    <parentid>137</parentid>
    <timestamp>2021-01-01T16:38:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2636" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots de clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Le développement de nos modèles est motivé par les applications
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, tems-réel, en particulier.  
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Interventions médicales assisté par ordinateur===</text>
    <sha1>ffa14dba95dc3ca26f53aa22813aa6aecde90786</sha1>
  </revision>
  <revision>
    <id>141</id>
    <parentid>138</parentid>
    <timestamp>2021-01-01T17:00:35Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Interventions médicales assisté par ordinateur */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2627" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots de clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Le développement de nos modèles est motivé par les applications
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, tems-réel, en particulier.  
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales===</text>
    <sha1>ad142f2fbb03320f3d16af6fb0b04dd1b1791041</sha1>
  </revision>
  <revision>
    <id>142</id>
    <parentid>141</parentid>
    <timestamp>2021-01-01T17:00:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Assistance aux interventions médicales */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2642" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots de clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Le développement de nos modèles est motivé par les applications
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, tems-réel, en particulier.  
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>131e792bcd0b06833bdff2ce7a73870dbbd16fd0</sha1>
  </revision>
</page>
<page arvcontinue="20210101105456|106">
  <title>Ressources</title>
  <ns>0</ns>
  <id>17</id>
  <revision>
    <id>139</id>
    <parentid>97</parentid>
    <timestamp>2021-01-01T16:55:55Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="523" xml:space="preserve">[[Fichier:Sofa.png|vignette]]
* '''[https://www.sofa-framework.org/ SOFA]''': 
Une partie des membres de l'équipe MLMS utilisent et contribuent à SOFA qui est un cadre efficace dédié à la recherche, au prototypage et au développement de simulations basées sur la physique.

* '''Systèmes d'acquisition de forme et de mouvement d'humaine''': 
Un système de capture de mouvement ([https://www.vion.com/ Vicon]) avec 12 cameras ainsi qu'un scanner laser 3D ([https://www.artec3d.com/ Artec]) est à notre disposition.</text>
    <sha1>79fccd5282fa5093f7e0e660ff93f1a39158cabe</sha1>
  </revision>
</page>
<page arvcontinue="20210101105456|106">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>143</id>
    <parentid>98</parentid>
    <timestamp>2021-01-04T08:15:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2591" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet''']

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>d54e9ab933ae5945ab6a37f7cb8b47e4bf224a8f</sha1>
  </revision>
  <revision>
    <id>144</id>
    <parentid>143</parentid>
    <timestamp>2021-01-04T08:21:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2650" xml:space="preserve">
==Membres permanents==

* '''Cédric Bobenrieth''', Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>41759f8025a3d2d24298b45f9b10c8765302e37c</sha1>
  </revision>
  <revision>
    <id>151</id>
    <parentid>144</parentid>
    <timestamp>2021-01-05T14:13:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Membres permanents */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2715" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Maître de conférences ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>22126555ccdc1c476ad93c7916be154051d84866</sha1>
  </revision>
</page>
<page arvcontinue="20210101105456|106">
  <title>Publications</title>
  <ns>0</ns>
  <id>8</id>
  <revision>
    <id>145</id>
    <parentid>42</parentid>
    <timestamp>2021-01-04T08:31:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="341" xml:space="preserve">&lt;iframe key="papr" path="#hideMenu" allowfullscreen="" /&gt;


[http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu Publications]</text>
    <sha1>fd15275f1a072df471876ebabc597d85742f18e0</sha1>
  </revision>
  <revision>
    <id>146</id>
    <parentid>145</parentid>
    <timestamp>2021-01-04T08:38:53Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="598" xml:space="preserve">&lt;iframe key="papr" path="http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu" allowfullscreen="" /&gt;


[http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu Publications]</text>
    <sha1>5bf456c220823add7e51163b77c187662f4dcf95</sha1>
  </revision>
  <revision>
    <id>147</id>
    <parentid>146</parentid>
    <timestamp>2021-01-04T08:40:20Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="597" xml:space="preserve">&lt;iframe key="papr" src="http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu" allowfullscreen="" /&gt;


[http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu Publications]</text>
    <sha1>e90486b91eaa17b5ae7463a9d86ca829cf028173</sha1>
  </revision>
  <revision>
    <id>148</id>
    <parentid>147</parentid>
    <timestamp>2021-01-04T08:43:40Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="296" xml:space="preserve">[[fr:maPage]]

[http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu Publications]</text>
    <sha1>35403e1b15251822df587936430c7a89fb5bafd1</sha1>
  </revision>
  <revision>
    <id>149</id>
    <parentid>148</parentid>
    <timestamp>2021-01-04T08:56:42Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="281" xml:space="preserve">[http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu Publications]</text>
    <sha1>f7b9d5fefb939ff576313b9349860d1c16a29dd3</sha1>
  </revision>
</page>
<page arvcontinue="20210101105456|106">
  <title>Cédric Bobenrieth</title>
  <ns>0</ns>
  <id>18</id>
  <revision>
    <id>150</id>
    <timestamp>2021-01-05T14:13:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « ==Fonctions==  Enseignant-chercheur à l'[http://ecam-strasbourg.eu/ Ecam Strasbourg Europe]  Chercheur au Laboratoire des Sciences de l'Ingénieur, de l'Informatique et d… »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1508" xml:space="preserve">==Fonctions==

Enseignant-chercheur à l'[http://ecam-strasbourg.eu/ Ecam Strasbourg Europe]

Chercheur au Laboratoire des Sciences de l'Ingénieur, de l'Informatique et de l'Imagerie [http://icube.unistra.fr ICube]

== Recherche ==

''Domaine'' : Imageries - Réseaux de neurones

''Mots Clés'' : Modélisation géométrique, Analyse d'image, Machine Learning

''Travaux en cours'' : 
* Human4D : problème de la modélisation de la forme humaine 4D,
* 3D-PRIAD : Détection d'anomalies intelligente au cours d'une impression 3D


== Enseignement ==

''Formations'' : Master ETNO, Cycle ingénieur

''Matières'' :    
* Architecture réseaux et sécurité
* Base de données
* ERP
* Big Data et Machine Learning

== Un bref CV ==

Depuis le 01/09/2020 : '''Enseignant-Chercheur en informatique''' à l'Ecam Strasbourg Europe

* '''ATER''' à l'université de Strasbourg du 1er Septembre 2019 au 31 Aout 2020.

== Diplômes == 

Décembre 2019: '''Doctorat''' de l'Université de Strasbourg sur la "Modélisation Géométrique à partir de Croquis" 

2016 : '''Maîtrise d'informatique spécialité image et Intelligence Artificielle''' (Major) de l'Université de Bourgogne

==Publications==
&lt;iframe key="papr" path="?author=bobenrieth&amp;title=&amp;labo=4&amp;team=toutes&amp;annee1=&amp;annee2=&amp;display=rap+&amp;nationalRank=toutes&amp;project=tous&amp;hide=0&amp;#hideMenu" /&gt;

==Contact==

 Cédric Bobenrieth
 Ecam Strasbourg Europe
 2 Rue de Madrid, 67300 Schiltigheim

 Bureau 111
 Courriel : cedric.bobenrieth AT ecam-strasbourg.eu</text>
    <sha1>579feb6b976607b58fe3ba9fca3b129c2fd0c9ec</sha1>
  </revision>
</page>
<page arvcontinue="20210101105456|106">
  <title>3D-Priad</title>
  <ns>0</ns>
  <id>19</id>
  <revision>
    <id>152</id>
    <timestamp>2021-01-05T14:29:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « ==Acronyme==  3D-PRIAD  ==Titre long==  ''3D Printer with Intelligent Anomaly Detection''  : Conception d’un modèle comportemental multimodale et générique pour la d… »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5198" xml:space="preserve">==Acronyme==

3D-PRIAD

==Titre long==

''3D Printer with Intelligent Anomaly Detection''  : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D.


==Mots-clés==

Détection d’Anomalies, Industrie du Futur, Impression 3D, Machine Learning, Apprentissage non-supervisé

==Axe transverse concerné==

IFUI

==Membres du projet==
* Cédric Bobenrieth : '''Coordinateur du projet''', Enseignant-Chercheur, équipe MLMS
* Arash Habibi : Maître de Conférence, équipe IGG
* Hyewon Seo : DR CNRS, équipe MLMS

==Durée du projet==
2 ans

==Résumé du projet==

À l’apogée de l’industrie 4.0 et de l’automatisation avec une supervision humaine minimale, la conception de nouvelles méthodes et applications permettant un suivi et un contrôle de la production est un réel enjeu. Le projet 3D-PRIAD se concentre spécifiquement sur les problématiques liées à la production par impression 3D. En effet, il est nécessaire qu’une imprimante 3D puisse fonctionner de manière autonome en permanence tout en assurant une production de pièces de bonnes qualités.
Ce projet regroupe le savoir-faire d’analyse d’images et de modèles 3D de l’équipe IGG avec les connaissances en deep learning de l’équipe MLMS afin de concevoir un modèle comportementale multimodale et générique d’une imprimante 3D qui permettra un suivi en temps réel de la qualité de l’impression et la détection automatique d’anomalies.


== Objectifs scientifiques ==

Le but du projet 3D-PRIAD consiste en '''la conception d’un modèle multimodale''' du comportement d’une machine de production afin de mettre en place '''un suivi en temps réel''' de détection automatique d’anomalies tout au long du processus de production.
Plus précisément, l’enjeu est de modéliser par un ensemble de données, le comportement normal d’une imprimante 3D, au sein d’une chaîne de production, qui résulte en une impression de bonne qualité. Ces données seront issues de '''multiples capteurs''' : caméras, capteurs internes à la machine, capteurs environnementaux de la pièce dans laquelle s’effectue la production. L’un des objectifs majeurs de ce projet sera de déterminer parmi toutes ces données celles qui influent sur '''la qualité du résultat final''' et les liens qui existent entre elles.

Une fois ces paramètres bien déterminés, il sera nécessaire de mettre au point une application permettant de '''déterminer la présence d’un comportement non-attendu''' et de prévenir automatiquement l’opérateur de la machine afin de corriger l’anomalie. Cette analyse a donc la contrainte d’être effectuée en temps réel. 

Par ailleurs, l’une des difficultés principales de ce projet consiste en la mise en place d’un modèle générique n’étant pas spécialisé à un seul modèle d’imprimante ou une seule gamme de produits. Pour ce faire, il est nécessaire que le modèle soit adaptable, et puisse donc s’entraîner de '''manière non supervisée''' sur tout type de données.

Ce projet s’intègre donc parfaitement dans les thématiques de maintenance prédictive et d’analyse/prédiction de qualité que l’on retrouve dans le cas d’utilisation de '''l’Industrie connectée de l’axe IFUI'''.  

== Approche envisagée ==

L’approche envisagée consiste à diviser le projet en '''deux étapes principales : 1) détermination automatique de la qualité d’une impression 3D''', effectuée à partir des données images récupérés des capteurs vidéo, 2) '''mise en place d’un suivi temps réel des paramètres influençant la qualité d’une impression 3D''', en utilisant à la fois les données issues des capteurs environnementaux et les logs de la machine à un instant T ainsi que la qualité de l’impression produite à cet instant T. Chacune de ces étapes sera réparti sur une année du projet API.

Les livrables du projet attendu après ces deux ans sont : 1) '''application d’analyse de qualité d’un produit''' prenant en entrées des images du produit sous plusieurs angles, 2) '''application de prédiction de qualité d’un produit''' selon différents paramètres et 3) '''application de prédiction continue du comportement de l’imprimante 3D''' permettant de prédire les attentes aux temps T+1 et ainsi de détecter les anomalies en temps réel. Ces trois livrables seront réunis au sein d’une même application Web 3D-PRIAD permettant à l’opérateur de la machine de pouvoir procéder au suivi distanciel de la machine et de son bon fonctionnement. Dans cette optique, '''la plateforme BICS''' sera utilisée pour permettre le stockage et le traitement de nos données.

Le projet se focalisera sur des '''imprimantes 3D Prusa I3 MK3S''', machine présente dans '''la Zone ICube de l’Ecam''' et tournant en moyenne 360 heures/mois, nous assurant ainsi d’avoir suffisamment de données à traiter au cours du projet. Ces machines ont également l’avantage de pouvoir être facilement customisable pour y insérer l’ensemble des capteurs et caméras propre à ce projet.</text>
    <sha1>c87fb62695d578bfc4ce34afa8d970cee16f2d38</sha1>
  </revision>
</page>
<page arvcontinue="20210101105456|106">
  <title>Projets</title>
  <ns>0</ns>
  <id>12</id>
  <revision>
    <id>153</id>
    <parentid>77</parentid>
    <timestamp>2021-01-05T14:31:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4013" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.</text>
    <sha1>b2c2c264bd92eab1ae6190b4732a0d24d34178e5</sha1>
  </revision>
  <revision>
    <id>154</id>
    <parentid>153</parentid>
    <timestamp>2021-01-05T14:32:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4035" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.</text>
    <sha1>487790389e9bbbdf9a7326d21c1660309a48308d</sha1>
  </revision>
</page>
<page arvcontinue="20210101105456|106">
  <title>Fichier:Sujet stage 3DPRIAD Master2.pdf</title>
  <ns>6</ns>
  <id>20</id>
  <revision>
    <id>155</id>
    <timestamp>2021-01-05T14:34:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20210101105456|106">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>156</id>
    <parentid>31</parentid>
    <timestamp>2021-01-05T14:34:46Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stages M2 pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="719" xml:space="preserve">== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human]

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.]</text>
    <sha1>afb1cfa66837995ed39eb03307558d90ee622e4d</sha1>
  </revision>
</page>
<page arvcontinue="20210105145406|157">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>157</id>
    <parentid>151</parentid>
    <timestamp>2021-01-05T14:54:06Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2712" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==

Ph.D. 2020:

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>146b973eac47c0541bdac47790f370efa3e0550a</sha1>
  </revision>
  <revision>
    <id>158</id>
    <parentid>157</parentid>
    <timestamp>2021-01-08T19:43:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2836" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==

Ph.D. 2020:
* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (Jan. 2021 - ...)

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (Oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (Déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>78994ecc6037c75b24eabdab7a3e9e8b6f54edf6</sha1>
  </revision>
  <revision>
    <id>159</id>
    <parentid>158</parentid>
    <timestamp>2021-01-08T19:44:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2836" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==

Ph.D. 2020:
* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>5fbc546855c12c5e4a1d702c2640a5d64ae0a590</sha1>
  </revision>
  <revision>
    <id>160</id>
    <parentid>159</parentid>
    <timestamp>2021-01-11T08:55:10Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2962" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


==Chaire==

[https://www.staff.uni-mainz.de/oberfeld/ Daniel Oberfeld], visiteur Chaire Gutenberg (mars 2019 - mars 2021) 


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==

Ph.D. 2020:
* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>caa745dc01457e1204af8fc67904bc65e201f760</sha1>
  </revision>
  <revision>
    <id>161</id>
    <parentid>160</parentid>
    <timestamp>2021-01-11T08:55:41Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Chaire */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2968" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


==Chaire==

* '''[https://www.staff.uni-mainz.de/oberfeld/ Daniel Oberfeld]''', visiteur Chaire Gutenberg (mars 2019 - mars 2021)

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==

Ph.D. 2020:
* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)

* '''Alban Odot'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>c1a69a1c6714a75206d2c69cf1ea2c5ced18c52e</sha1>
  </revision>
  <revision>
    <id>182</id>
    <parentid>161</parentid>
    <timestamp>2021-01-12T13:29:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3050" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


==Chaire==

* '''[https://www.staff.uni-mainz.de/oberfeld/ Daniel Oberfeld]''', visiteur Chaire Gutenberg (mars 2019 - mars 2021)

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==
Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)

Ph.D. 2020:

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (???  ...)

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>a723c1eee8d5ea393306f83e88bf54aea614e277</sha1>
  </revision>
  <revision>
    <id>183</id>
    <parentid>182</parentid>
    <timestamp>2021-01-12T13:32:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3091" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


==Chaire==

* '''[https://www.staff.uni-mainz.de/oberfeld/ Daniel Oberfeld]''', visiteur Chaire Gutenberg (mars 2019 - mars 2021)

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* '''Omar Boukhris'''

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==
Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)

Ph.D. 2020:

* '''Ziqiu Zeng'''

* '''Paul Baksic'''

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (???  ...)

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>e45f074668e0fec88cee4ee69cbfc3f01dd69b6d</sha1>
  </revision>
  <revision>
    <id>184</id>
    <parentid>183</parentid>
    <timestamp>2021-01-12T13:32:53Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3068" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


==Chaire==

* '''[https://www.staff.uni-mainz.de/oberfeld/ Daniel Oberfeld]''', visiteur Chaire Gutenberg (mars 2019 - mars 2021)

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==
Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)

Ph.D. 2020:

* '''Ziqiu Zeng'''

* '''Paul Baksic'''

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (???  ...)

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>2e3b14dcb466b18669b9d491306b59f7dc941287</sha1>
  </revision>
  <revision>
    <id>189</id>
    <parentid>184</parentid>
    <timestamp>2021-01-14T09:48:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3194" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


==Chaire==

* '''[https://www.staff.uni-mainz.de/oberfeld/ Daniel Oberfeld]''', visiteur Chaire Gutenberg (mars 2019 - mars 2021)

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==
Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)

Ph.D. 2020:

* '''Paul Baksic'''

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (???  ...)

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019-...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>10e552c8a98b5b3060ddbae087480f977aee3019</sha1>
  </revision>
  <revision>
    <id>190</id>
    <parentid>189</parentid>
    <timestamp>2021-01-14T11:02:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3201" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


==Chaire==

* '''[https://www.staff.uni-mainz.de/oberfeld/ Daniel Oberfeld]''', visiteur Chaire Gutenberg (mars 2019 - mars 2021)

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==
Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)

Ph.D. 2020:

* '''Paul Baksic'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019-...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>021ecfd59a3706da6105447fa41537dced828b0c</sha1>
  </revision>
  <revision>
    <id>192</id>
    <parentid>190</parentid>
    <timestamp>2021-01-15T16:54:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3208" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


==Chaire==

* '''[https://www.staff.uni-mainz.de/oberfeld/ Daniel Oberfeld]''', visiteur Chaire Gutenberg (mars 2019 - mars 2021)

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==
Ph.D. 2021:

&lt;!--* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Paul Baksic'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019-...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>4f5df231deb9a365d583a3ed6016c102457c302c</sha1>
  </revision>
  <revision>
    <id>193</id>
    <parentid>192</parentid>
    <timestamp>2021-01-15T16:55:06Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3208" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


==Chaire==

* '''[https://www.staff.uni-mainz.de/oberfeld/ Daniel Oberfeld]''', visiteur Chaire Gutenberg (mars 2019 - mars 2021)

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Paul Baksic'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019-...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>b1eee8e2ca0cbf5ee687156ff9033d59b4dd3aef</sha1>
  </revision>
  <revision>
    <id>194</id>
    <parentid>193</parentid>
    <timestamp>2021-01-17T11:57:03Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Chaire */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3216" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


&lt;!--==Chaire==

* '''[https://www.staff.uni-mainz.de/oberfeld/ Daniel Oberfeld]''', visiteur Chaire Gutenberg (mars 2019 - mars 2021)
--&gt;

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Paul Baksic'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019-...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>553b72f1f586b0f6c13aaad8684a29f334712d6e</sha1>
  </revision>
  <revision>
    <id>195</id>
    <parentid>194</parentid>
    <timestamp>2021-01-17T13:48:33Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3076" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Paul Baksic'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019-...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

* [https://mimesis.inria.fr/speaker/sergei-nikolaev/ '''Sergei Nikolaev'''] (MIMESIS, H2020 HiPerNav)</text>
    <sha1>bda0a52484e879b1b54ab4ecade804095fef18dc</sha1>
  </revision>
  <revision>
    <id>196</id>
    <parentid>195</parentid>
    <timestamp>2021-01-18T14:32:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3313" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Paul Baksic'''

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>f47e4ceb170db988a7b0e2e400a56611e5e1c17d</sha1>
  </revision>
</page>
<page arvcontinue="20210105145406|157">
  <title>Fichier:Img.png</title>
  <ns>6</ns>
  <id>21</id>
  <revision>
    <id>162</id>
    <timestamp>2021-01-11T09:01:15Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3" xml:space="preserve">img</text>
    <sha1>978ea7af39ad5fefb6bfbc82a1c5023494bdade2</sha1>
  </revision>
</page>
<page arvcontinue="20210105145406|157">
  <title>Projets</title>
  <ns>0</ns>
  <id>12</id>
  <revision>
    <id>163</id>
    <parentid>154</parentid>
    <timestamp>2021-01-11T09:08:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4682" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient. Une recherche à risques, car les liens entre action des molécules chimiques et neurostimulation sont encore très mal connus.

À terme, l’objectif de cette action de recherche est de développer un protocole de stimulation dit « en boucle fermée », c’est-à-dire où les paramètres de la stimulation suivante sont ajustés en fonction des données de l’enregistrement cérébral. C’est ici qu’entre en jeu la technique d’assimilation des données dans laquelle Axel Hutt s’est spécialisé durant quatre ans passés au Deutscher Wetterdienst sur des simulations de… météo. Un choix de carrière qui prend tout son sens avec quelques explications : « Je suis physicien et il s’agit de modélisations physiques et mathématiques. Je savais que je pourrais adapter cette approche aux neurosciences, car il existe de grandes similarités techniques entre la simulation de l’atmosphère et de la météo, et celle du cerveau. »

L'assimilation et le contrôle des données vise ici à estimer les paramètres des neurostimulations en combinant les prédictions du modèle et les données issues de l’enregistrement cérébral simultané. Cette combinaison entre neurosciences théoriques et expérimentales est une clé pour développer un protocole adapté à chaque patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.


[[Fichier:Img.png|vignette]]
* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>e482ee663c073ddc63ed6ea70a36f4e5b71d0ad3</sha1>
  </revision>
  <revision>
    <id>164</id>
    <parentid>163</parentid>
    <timestamp>2021-01-11T10:23:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3377" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. 
Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

[[Fichier:Img.png|vignette]]
* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>887a50b64932d822569d8eef375ac4ed03ef1ace</sha1>
  </revision>
  <revision>
    <id>165</id>
    <parentid>164</parentid>
    <timestamp>2021-01-11T10:23:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3376" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

[[Fichier:Img.png|vignette]]
* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>78140bfcbf3c5da6430542f0a2d2ba86390aadd5</sha1>
  </revision>
  <revision>
    <id>166</id>
    <parentid>165</parentid>
    <timestamp>2021-01-11T12:25:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3401" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. Notre ambition est d'aller au-delà des représentations d'espace de forme existantes qui se concentrent principalement sur des poses de formes statiques, comme dans le travail fondateur, et considèrent rarement la dynamique continue des formes.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

[[Fichier:Img.png|vignette]]
* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - jan. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>da4f22ae885182ba3b5c2cddaf9bdbd04853cc5c</sha1>
  </revision>
  <revision>
    <id>173</id>
    <parentid>166</parentid>
    <timestamp>2021-01-11T21:50:07Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3155" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

[[Fichier:Img.png|vignette]]
* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - jan. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>b7659fcf4265f36bc84c54ad11e3f99e2ad60e73</sha1>
  </revision>
  <revision>
    <id>174</id>
    <parentid>173</parentid>
    <timestamp>2021-01-12T07:26:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3126" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - jan. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>b1960d1f6df72bfde85ef1e7898dd681324f6772</sha1>
  </revision>
</page>
<page arvcontinue="20210105145406|157">
  <title>Publications</title>
  <ns>0</ns>
  <id>8</id>
  <revision>
    <id>167</id>
    <parentid>149</parentid>
    <timestamp>2021-01-11T15:49:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="868" xml:space="preserve">[http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu Publications]


{| class="wikitable" style="font-size: 100%;"
|-
| [[Toutes les publications|Toutes les publications]] || [[Ouvrages|Ouvrages]] || [[Articles journaux |Articles journaux ]] || [[Conférences |Conférences]]|| [[Thèses et HDR|Thèses et HDR]]
|}

&lt;iframe key="papr" path="?platform=14&amp;national=&amp;project=&amp;year1=1979&amp;year2=#hideMenu"/&gt;

&lt;br&gt;
{| class="wikitable" style="font-size: 80%;"
|-
| [[Toutes les publications|Toutes les publications]] || [[Ouvrages|Ouvrages]] || [[Articles journaux |Articles journaux ]] || [[Conférences |Conférences]]|| [[Thèses et HDR|Thèses et HDR]]
|}</text>
    <sha1>719020c30abe580302b89f38d53871ed08a0bcc2</sha1>
  </revision>
  <revision>
    <id>168</id>
    <parentid>167</parentid>
    <timestamp>2021-01-11T15:50:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="281" xml:space="preserve">[http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu Publications]</text>
    <sha1>f7b9d5fefb939ff576313b9349860d1c16a29dd3</sha1>
  </revision>
  <revision>
    <id>169</id>
    <parentid>168</parentid>
    <timestamp>2021-01-11T15:57:41Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="521" xml:space="preserve">[http://icube-publis.unistra.fr/?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;title=&amp;team=&amp;platform=&amp;national=&amp;project=&amp;tagmed=&amp;authors=&amp;year1=&amp;year2=&amp;=#hideMenu Publications]


&lt;iframe key="papr" path="?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;allaut=or&amp;platform=14&amp;national=&amp;project=&amp;year1=1979&amp;year2=#hideMenu"/&gt;</text>
    <sha1>7eff653cf2f01f30b18e740c5ddc5671fde392da</sha1>
  </revision>
  <revision>
    <id>170</id>
    <parentid>169</parentid>
    <timestamp>2021-01-11T16:01:31Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="723" xml:space="preserve">{| class="wikitable" style="font-size: 100%;"
|-
| [[Toutes les publications|Toutes les publications]] || [[Ouvrages|Ouvrages]] || [[Articles journaux |Articles journaux ]] || [[Conférences |Conférences]]|| [[Thèses et HDR|Thèses et HDR]]
|}

&lt;iframe key="papr" path="?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;platform=&amp;national=&amp;project=&amp;year1=1979&amp;year2=#hideMenu"/&gt;

&lt;br&gt;
{| class="wikitable" style="font-size: 80%;"
|-
| [[Toutes les publications|Toutes les publications]] || [[Ouvrages|Ouvrages]] || [[Articles journaux |Articles journaux ]] || [[Conférences |Conférences]]|| [[Thèses et HDR|Thèses et HDR]]
|}</text>
    <sha1>f9b97051906c4c9757d4cdfeae8549a35a965477</sha1>
  </revision>
  <revision>
    <id>171</id>
    <parentid>170</parentid>
    <timestamp>2021-01-11T16:03:20Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="225" xml:space="preserve">&lt;iframe key="papr" path="?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp-Langley%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;platform=&amp;national=&amp;project=&amp;year1=1979&amp;year2=#hideMenu"/&gt;</text>
    <sha1>1db238dbdf5af173ab921c12b50268110be35da5</sha1>
  </revision>
  <revision>
    <id>181</id>
    <parentid>171</parentid>
    <timestamp>2021-01-12T13:07:07Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="217" xml:space="preserve">&lt;iframe key="papr" path="?author=C%C3%A9dric+Bobenrieth%2CSt%C3%A9phane+Cotin%2CHadrien+Courtecuisse%2CBirgitta+Dresp%2CMichel+Duprez%2CAxel+Hutt%2CHyewon+Seo&amp;platform=&amp;national=&amp;project=&amp;year1=1979&amp;year2=#hideMenu"/&gt;</text>
    <sha1>493031b5265e359f3f4b86d58169229bb74397be</sha1>
  </revision>
</page>
<page arvcontinue="20210105145406|157">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>172</id>
    <parentid>156</parentid>
    <timestamp>2021-01-11T21:20:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stages M2 pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="741" xml:space="preserve">== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>86daae40fe2480b4d508ae8f874dc69323996002</sha1>
  </revision>
  <revision>
    <id>175</id>
    <parentid>172</parentid>
    <timestamp>2021-01-12T09:39:35Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stages M2 pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="810" xml:space="preserve">== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

[Monocular Reconstruction of Cloth Animation from Video] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>2551ebc104a88fad71f3fa5e72998e8fe9d8a874</sha1>
  </revision>
  <revision>
    <id>176</id>
    <parentid>175</parentid>
    <timestamp>2021-01-12T09:39:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stages M2 pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="808" xml:space="preserve">== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>1bd95c2b5fce89bc7d5c61350fb7a84b14c8cfbc</sha1>
  </revision>
</page>
<page arvcontinue="20210105145406|157">
  <title>Recherche</title>
  <ns>0</ns>
  <id>14</id>
  <revision>
    <id>177</id>
    <parentid>142</parentid>
    <timestamp>2021-01-12T10:37:35Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Simulation en temps réel */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2640" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots de clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Le développement de nos modèles est motivé par les applications pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, tems-réel, en particulier.  
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>a2ab3c4915f44616637a7c8e4cb89c3f08fb730a</sha1>
  </revision>
  <revision>
    <id>178</id>
    <parentid>177</parentid>
    <timestamp>2021-01-12T11:04:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Simulation en temps réel */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2571" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrique, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots de clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, tems-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>e0e9413deabb192698225a415f0a4f2a4352f1ab</sha1>
  </revision>
  <revision>
    <id>179</id>
    <parentid>178</parentid>
    <timestamp>2021-01-12T11:07:11Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Modélisation dérivée par les données */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2569" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le systèmes et assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots de clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, tems-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>363cb110156eb9ef6b7d32ba3cb9d1b661922a3b</sha1>
  </revision>
  <revision>
    <id>180</id>
    <parentid>179</parentid>
    <timestamp>2021-01-12T11:10:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Objectives */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2568" xml:space="preserve">==Objectives==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autours de tout ces objectives est de fournier le système et assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots de clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, tems-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots de clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots de clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>e3f3681f68d39f941e0a61181ae74bc0e2e440f1</sha1>
  </revision>
  <revision>
    <id>188</id>
    <parentid>180</parentid>
    <timestamp>2021-01-12T14:46:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page blanchie</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20210105145406|157">
  <title>MediaWiki:Sidebar</title>
  <ns>8</ns>
  <id>2</id>
  <revision>
    <id>197</id>
    <parentid>3</parentid>
    <timestamp>2021-01-19T08:23:06Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="325" xml:space="preserve">
* navigation
** mainpage|mainpage-description
** Actualités|Actualités
** Séminaires d'équipe|Séminaires d'équipe
** Membres|Membres
** Collaboration/Partenariats|Collaboration/Partenariats
** Publications|Publications
** Projets|Projets
** Ressources|Ressources
** Offres d'emplois|Offres d'emplois
** Contact|Contact</text>
    <sha1>456737e9a9d2b2875093cb9194ac0b91cc3f69d9</sha1>
  </revision>
  <revision>
    <id>198</id>
    <parentid>197</parentid>
    <timestamp>2021-01-19T08:24:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="351" xml:space="preserve">
* navigation
** mainpage|mainpage-description
** mainpage|Présentation
** Actualités|Actualités
** Séminaires d'équipe|Séminaires d'équipe
** Membres|Membres
** Collaboration/Partenariats|Collaboration/Partenariats
** Publications|Publications
** Projets|Projets
** Ressources|Ressources
** Offres d'emplois|Offres d'emplois
** Contact|Contact</text>
    <sha1>4f9d9f791c87974bdd5cd8f3589e1075a1350209</sha1>
  </revision>
  <revision>
    <id>199</id>
    <parentid>198</parentid>
    <timestamp>2021-01-19T08:25:48Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="318" xml:space="preserve">
* navigation
** mainpage|Présentation
** Actualités|Actualités
** Séminaires d'équipe|Séminaires d'équipe
** Membres|Membres
** Collaboration/Partenariats|Collaboration/Partenariats
** Publications|Publications
** Projets|Projets
** Ressources|Ressources
** Offres d'emplois|Offres d'emplois
** Contact|Contact</text>
    <sha1>fe982d1164d1e55a0a32c7b6cead70d0858dfa69</sha1>
  </revision>
  <revision>
    <id>202</id>
    <parentid>199</parentid>
    <timestamp>2021-01-19T08:28:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="323" xml:space="preserve">
* navigation
** Présentation|Présentation
** Actualités|Actualités
** Séminaires d'équipe|Séminaires d'équipe
** Membres|Membres
** Collaboration/Partenariats|Collaboration/Partenariats
** Publications|Publications
** Projets|Projets
** Ressources|Ressources
** Offres d'emplois|Offres d'emplois
** Contact|Contact</text>
    <sha1>581c29f660c7ab6961b1c63807583b52a1611c57</sha1>
  </revision>
  <revision>
    <id>204</id>
    <parentid>202</parentid>
    <timestamp>2021-01-19T08:30:35Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="322" xml:space="preserve">
* navigation
** Presentation|Présentation
** Actualités|Actualités
** Séminaires d'équipe|Séminaires d'équipe
** Membres|Membres
** Collaboration/Partenariats|Collaboration/Partenariats
** Publications|Publications
** Projets|Projets
** Ressources|Ressources
** Offres d'emplois|Offres d'emplois
** Contact|Contact</text>
    <sha1>88a5df549f77d2f10b1b4350f00069be65d2986c</sha1>
  </revision>
  <revision>
    <id>205</id>
    <parentid>204</parentid>
    <timestamp>2021-01-19T08:49:55Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="294" xml:space="preserve">
* navigation
** Presentation|Présentation
** Actualités|Actualités
** Séminaires d'équipe|Séminaires d'équipe
** Membres|Membres
** Partenariats|Partenariats
** Publications|Publications
** Projets|Projets
** Ressources|Ressources
** Offres d'emplois|Offres d'emplois
** Contact|Contact</text>
    <sha1>687fd919900efc73b014b9e1c04c625f66884328</sha1>
  </revision>
  <revision>
    <id>206</id>
    <parentid>205</parentid>
    <timestamp>2021-01-19T11:14:48Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="265" xml:space="preserve">
* navigation
** Presentation|Présentation
** Actualités|Actualités
** Séminaires d'équipe|Séminaires d'équipe
** Membres|Membres
** Publications|Publications
** Projets|Projets
** Ressources|Ressources
** Offres d'emplois|Offres d'emplois
** Contact|Contact</text>
    <sha1>6b074163705b8e8e34f86cb93aec889f7cb84473</sha1>
  </revision>
</page>
<page arvcontinue="20210105145406|157">
  <title>Presentation</title>
  <ns>0</ns>
  <id>23</id>
  <revision>
    <id>200</id>
    <timestamp>2021-01-19T08:26:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « ==Historique== Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données… »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2898" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain.
MLMS accueille l'équipe-projet INRIA MIMESIS en tant que sous-ensemble de l'équipe.


==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>ad27f92f6dd527893646440ec5d56a3fa599a5ef</sha1>
  </revision>
  <revision>
    <id>201</id>
    <parentid>200</parentid>
    <timestamp>2021-01-19T08:27:12Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <minor/>
    <comment>Aspimmel a déplacé la page [[Accueil]] vers [[Présentation]] sans laisser de redirection : Demande des membres du MLMS</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2898" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain.
MLMS accueille l'équipe-projet INRIA MIMESIS en tant que sous-ensemble de l'équipe.


==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>ad27f92f6dd527893646440ec5d56a3fa599a5ef</sha1>
  </revision>
  <revision>
    <id>203</id>
    <parentid>201</parentid>
    <timestamp>2021-01-19T08:29:55Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <minor/>
    <comment>Aspimmel a déplacé la page [[Présentation]] vers [[Presentation]] sans laisser de redirection</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2898" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain.
MLMS accueille l'équipe-projet INRIA MIMESIS en tant que sous-ensemble de l'équipe.


==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>ad27f92f6dd527893646440ec5d56a3fa599a5ef</sha1>
  </revision>
</page>
<page arvcontinue="20210105145406|157">
  <title>Accueil</title>
  <ns>0</ns>
  <id>24</id>
  <revision>
    <id>207</id>
    <timestamp>2021-01-20T10:31:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page redirigée vers [[Présentation]]</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27" xml:space="preserve">#REDIRECT [[Présentation]]</text>
    <sha1>d47c52f04a12bf7c7800f2747b9dd94682248ef2</sha1>
  </revision>
  <revision>
    <id>208</id>
    <parentid>207</parentid>
    <timestamp>2021-01-20T10:32:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Destination de redirection modifiée de [[Présentation]] en [[Presentation]]</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="26" xml:space="preserve">#REDIRECT [[Presentation]]</text>
    <sha1>9984ee9f19d61856b622851fbdd0a4d7b9b93850</sha1>
  </revision>
</page>
<page arvcontinue="20210105145406|157">
  <title>MediaWiki:Mainpage</title>
  <ns>8</ns>
  <id>25</id>
  <revision>
    <id>209</id>
    <timestamp>2021-01-20T10:47:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « Présentation »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="13" xml:space="preserve">Présentation</text>
    <sha1>aa245f5ffeac9f225e5e35e3e5b6586543d7643d</sha1>
  </revision>
  <revision>
    <id>210</id>
    <parentid>209</parentid>
    <timestamp>2021-01-20T10:47:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="12" xml:space="preserve">Presentation</text>
    <sha1>6e875951a6f9aa1374d93572de657c12ded57355</sha1>
  </revision>
</page>
<page arvcontinue="20210122104953|211">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>211</id>
    <parentid>196</parentid>
    <timestamp>2021-01-22T10:49:53Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3292" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>89dac938cda1aa8229b8a73244885896c7a56848</sha1>
  </revision>
  <revision>
    <id>212</id>
    <parentid>211</parentid>
    <timestamp>2021-01-22T10:54:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3490" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


== Associés==

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinator of the [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)


==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>4a173b9010167bc9cce9b3e7259c37763a3d6e43</sha1>
  </revision>
  <revision>
    <id>216</id>
    <parentid>212</parentid>
    <timestamp>2021-01-25T14:17:15Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3804" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


==Associés==

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)


==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>408621764e8e942797c2b130cb1f7b2f9f9d018c</sha1>
  </revision>
  <revision>
    <id>217</id>
    <parentid>216</parentid>
    <timestamp>2021-01-26T10:52:41Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3974" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM.

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA.

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section 26).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (sections 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section 07).


==Associés==

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>eb9712190e39b97e287b51cd1b4ac44a0be76448</sha1>
  </revision>
  <revision>
    <id>218</id>
    <parentid>217</parentid>
    <timestamp>2021-01-26T11:02:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Membres permanents */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4084" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]


==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>a3c29f984f760a02978c5ef06ef9e6654e70e536</sha1>
  </revision>
  <revision>
    <id>219</id>
    <parentid>218</parentid>
    <timestamp>2021-01-26T11:04:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Associés */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4148" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>1405333bf24d14d6b9ddc3c64f99d658422c4fe2</sha1>
  </revision>
  <revision>
    <id>220</id>
    <parentid>219</parentid>
    <timestamp>2021-01-26T11:07:55Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Associés */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4233" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>5b8e78b3d4d52566237fdab8a7c37f00fb40ba0e</sha1>
  </revision>
  <revision>
    <id>242</id>
    <parentid>220</parentid>
    <timestamp>2021-02-22T21:07:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4275" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* Robin Enjalbert (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>583d257fbdc39cc53ad93b5d13ef160d37fdf868</sha1>
  </revision>
  <revision>
    <id>243</id>
    <parentid>242</parentid>
    <timestamp>2021-02-22T21:08:38Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4370" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* Robin Enjalbert, ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>5b26e09abbce9d0d4d99b8a11a9a204c72996114</sha1>
  </revision>
  <revision>
    <id>244</id>
    <parentid>243</parentid>
    <timestamp>2021-02-22T21:10:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4376" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbo'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>6694dd171b433f9a5551b0619ea60a7404259e2d</sha1>
  </revision>
  <revision>
    <id>245</id>
    <parentid>244</parentid>
    <timestamp>2021-02-23T10:25:28Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Associés */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4377" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>9bed75dee4e1332419043d9db1d5b5a0c7895a3b</sha1>
  </revision>
</page>
<page arvcontinue="20210122104953|211">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>213</id>
    <parentid>176</parentid>
    <timestamp>2021-01-22T12:18:53Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stages M2 pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1110" xml:space="preserve">== PhD pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data]
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with
Lewy Bodies]

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>37f480b69e617954e8841a590409da5da44e35e6</sha1>
  </revision>
  <revision>
    <id>214</id>
    <parentid>213</parentid>
    <timestamp>2021-01-22T12:19:35Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1111" xml:space="preserve">== PhD pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with
Lewy Bodies]

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>d0c3fd5fe765cbdb7b9d2ec9370e06d62a4b61eb</sha1>
  </revision>
  <revision>
    <id>215</id>
    <parentid>214</parentid>
    <timestamp>2021-01-22T12:19:56Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1111" xml:space="preserve">== PhD pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies]

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>599aa6fd1341309b5d740a1d0ff48112bfe97f54</sha1>
  </revision>
  <revision>
    <id>238</id>
    <parentid>215</parentid>
    <timestamp>2021-02-03T07:39:33Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1256" xml:space="preserve">== PhD pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies]

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]]

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>81f065011386a9f5a16bf40e8b4e07f835c87189</sha1>
  </revision>
</page>
<page arvcontinue="20210122104953|211">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>221</id>
    <timestamp>2021-01-26T11:09:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « Le séminaire d'équipe se tient le mardi à 10h  ==Organisateur==  Michel Duprez  ==Prochaines séminaires== »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="109" xml:space="preserve">Le séminaire d'équipe se tient le mardi à 10h

==Organisateur==

Michel Duprez

==Prochaines séminaires==</text>
    <sha1>d2176d4e3820257f1ad1a57bb5cdd047d406ac7b</sha1>
  </revision>
  <revision>
    <id>230</id>
    <parentid>221</parentid>
    <timestamp>2021-01-26T15:22:56Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1466" xml:space="preserve">Le séminaire d'équipe se tient le mardi à 10h et est mutualisé avec l'équipe Inria MIMESIS et le consortium Inria Sofa


==Organisateur==

Michel Duprez


==Prochains séminaires==

* mardi 2 février : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.</text>
    <sha1>89a57fb9a8295dc62efe2e1b5f377ee0ddae0de6</sha1>
  </revision>
  <revision>
    <id>231</id>
    <parentid>230</parentid>
    <timestamp>2021-01-26T15:23:40Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Organisateur */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1507" xml:space="preserve">Le séminaire d'équipe se tient le mardi à 10h et est mutualisé avec l'équipe Inria MIMESIS et le consortium Inria Sofa


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']

==Prochains séminaires==

* mardi 2 février : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.</text>
    <sha1>cfd67905f9d5d1b2a028e9a820d5170819b2f985</sha1>
  </revision>
  <revision>
    <id>232</id>
    <parentid>231</parentid>
    <timestamp>2021-01-26T15:23:53Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1508" xml:space="preserve">Le séminaire d'équipe se tient le mardi à 10h et est mutualisé avec l'équipe Inria MIMESIS et le consortium Inria Sofa


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 2 février : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.</text>
    <sha1>c9f99ebf4e2dcc5583b7a7eb001b6dd5f75ca0f3</sha1>
  </revision>
  <revision>
    <id>234</id>
    <parentid>232</parentid>
    <timestamp>2021-02-02T12:47:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1482" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 2 février : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

[[Fichier:Mimesis-phiFEM.pdf|vignette|Slides]]</text>
    <sha1>3eda101957d39413944747757aa70f47936750d6</sha1>
  </revision>
  <revision>
    <id>235</id>
    <parentid>234</parentid>
    <timestamp>2021-02-02T12:51:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1473" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 2 février : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

[[Fichier:Mimesis-phiFEM.pdf Slides]]</text>
    <sha1>16e2daa8a777744a081bc627c6d5b721e7a67495</sha1>
  </revision>
  <revision>
    <id>236</id>
    <parentid>235</parentid>
    <timestamp>2021-02-02T12:56:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1485" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 2 février : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>e31e0e0d6419efbc5e0734185b57aa24c1e8481b</sha1>
  </revision>
  <revision>
    <id>240</id>
    <parentid>236</parentid>
    <timestamp>2021-02-12T16:08:25Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2131" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 16 février : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."


* mardi 2 février : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>008e6dd207a721f08cd78bb12d26514538847333</sha1>
  </revision>
  <revision>
    <id>241</id>
    <parentid>240</parentid>
    <timestamp>2021-02-16T18:32:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2567" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 23 février : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."


* mardi 16 février : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."


* mardi 2 février : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>9e2f3f417098a20fa719d532fd47597c3bf3130d</sha1>
  </revision>
  <revision>
    <id>247</id>
    <parentid>241</parentid>
    <timestamp>2021-02-23T15:34:49Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2608" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 23 février : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides :'''[[Média:Slides.pdf| pdf]]

* mardi 16 février : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."


* mardi 2 février : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>6a06c642d1b58dd53fd26f7c46dad7a0097c5626</sha1>
  </revision>
  <revision>
    <id>248</id>
    <parentid>247</parentid>
    <timestamp>2021-02-23T15:35:04Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2609" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 23 février : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides :'''[[Média:Slides.pdf| pdf]]


* mardi 16 février : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."


* mardi 2 février : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>e7b85248324addf380e01ad009cb35eca3d1f2f1</sha1>
  </revision>
  <revision>
    <id>251</id>
    <parentid>248</parentid>
    <timestamp>2021-02-24T08:32:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2777" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 23 février : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides :'''[[Média:Slides.pdf| pdf]]

'''Enregistrement :'''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 vidéo]


* mardi 16 février : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."


* mardi 2 février : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>8bc711f071cff08337dbf0afdc635a9b5183255e</sha1>
  </revision>
  <revision>
    <id>252</id>
    <parentid>251</parentid>
    <timestamp>2021-02-26T08:06:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3145" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides :'''[[Média:Slides.pdf| pdf]]

'''Enregistrement :'''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 vidéo]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>c9a7cb85852f8d02f2cbca140e571280b534649b</sha1>
  </revision>
  <revision>
    <id>253</id>
    <parentid>252</parentid>
    <timestamp>2021-02-26T08:10:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3431" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides :'''[[Média:Slides.pdf| pdf]]

'''Enregistrement :'''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 vidéo]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel :''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera :''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>913bf0ff108f9a293d7755a19376a28b404ab650</sha1>
  </revision>
  <revision>
    <id>254</id>
    <parentid>253</parentid>
    <timestamp>2021-02-26T08:11:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3432" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>18a913be8866ffc656e0deebab7546f9098258c5</sha1>
  </revision>
  <revision>
    <id>255</id>
    <parentid>254</parentid>
    <timestamp>2021-03-01T09:43:49Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3817" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>cb289bea3a0d9cd13c7f4d91f691adf2d67d2f80</sha1>
  </revision>
  <revision>
    <id>256</id>
    <parentid>255</parentid>
    <timestamp>2021-03-08T07:49:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3983" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>0f24ef775cc8969871ba049a309ac5b5038666d9</sha1>
  </revision>
  <revision>
    <id>257</id>
    <parentid>256</parentid>
    <timestamp>2021-03-08T09:16:53Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5528" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "à venir"

'''Résumé :''' "à venir"


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>14ee9040adee704781ebe481afc066c2271db017</sha1>
  </revision>
  <revision>
    <id>258</id>
    <parentid>257</parentid>
    <timestamp>2021-03-09T10:55:43Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6102" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>e900540b79b80240717d8f6f9109d5c56968e296</sha1>
  </revision>
  <revision>
    <id>260</id>
    <parentid>258</parentid>
    <timestamp>2021-03-11T09:56:17Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6164" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>5eb19c5abbdb32a8d0653482ffff0ef7d888fe0a</sha1>
  </revision>
</page>
<page arvcontinue="20210122104953|211">
  <title>Projets</title>
  <ns>0</ns>
  <id>12</id>
  <revision>
    <id>222</id>
    <parentid>174</parentid>
    <timestamp>2021-01-26T11:31:33Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3641" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). 

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - jan. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* la Chaire Innovation BoPA : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher.</text>
    <sha1>f8a11767431c43cf02ca0206dba13708160768f8</sha1>
  </revision>
  <revision>
    <id>223</id>
    <parentid>222</parentid>
    <timestamp>2021-01-26T11:36:25Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3963" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - jan. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* la Chaire Innovation BoPA : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher.</text>
    <sha1>3e126193bb532d35cd9f74ee759ce59fc84603a5</sha1>
  </revision>
  <revision>
    <id>224</id>
    <parentid>223</parentid>
    <timestamp>2021-01-26T11:40:42Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3984" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - jan. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* la Chaire Innovation BoPA : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher.</text>
    <sha1>32399718af90fa186f26f1ae151ae767be23d8a2</sha1>
  </revision>
  <revision>
    <id>225</id>
    <parentid>224</parentid>
    <timestamp>2021-01-26T11:43:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4123" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - jan. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher.</text>
    <sha1>aab36ab2a24f1c74dbb371e1a73aa085403fa873</sha1>
  </revision>
  <revision>
    <id>226</id>
    <parentid>225</parentid>
    <timestamp>2021-01-26T11:46:53Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4540" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Le projet vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - jan. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher. L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.</text>
    <sha1>291a6ee95d769269d2c1fc1c4680f26ba1084698</sha1>
  </revision>
  <revision>
    <id>227</id>
    <parentid>226</parentid>
    <timestamp>2021-01-26T11:48:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4533" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - jan. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher. L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.</text>
    <sha1>7688111c66498a394ac5854a62e6fa04b33930c5</sha1>
  </revision>
  <revision>
    <id>228</id>
    <parentid>227</parentid>
    <timestamp>2021-01-26T11:51:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4548" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sep. 2020 - aoû. 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sep. 2021 - aoû. 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (Janvier 2021 - Décembre 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - jan. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.</text>
    <sha1>ee9d70003f19949a57315397756517772e52e4a1</sha1>
  </revision>
  <revision>
    <id>229</id>
    <parentid>228</parentid>
    <timestamp>2021-01-26T11:51:52Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4545" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.</text>
    <sha1>fbd06f6121bd3b1a2096d2981ded59e359293ef8</sha1>
  </revision>
</page>
<page arvcontinue="20210122104953|211">
  <title>Fichier:Mimesis-phiFEM.pdf</title>
  <ns>6</ns>
  <id>27</id>
  <revision>
    <id>233</id>
    <timestamp>2021-02-02T12:46:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6" xml:space="preserve">phiFEM</text>
    <sha1>8566dafcb54763a4098e35f5bf91aaee5a07a4c9</sha1>
  </revision>
</page>
<page arvcontinue="20210122104953|211">
  <title>Fichier:Formulaire sujet de thèse MSII.pdf</title>
  <ns>6</ns>
  <id>28</id>
  <revision>
    <id>237</id>
    <timestamp>2021-02-03T07:38:10Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="31" xml:space="preserve">Formulaire sujet de thèse MSII</text>
    <sha1>8cd0521b794bf6f55fea66ef184b0ca21de03e15</sha1>
  </revision>
</page>
<page arvcontinue="20210122104953|211">
  <title>Presentation</title>
  <ns>0</ns>
  <id>23</id>
  <revision>
    <id>239</id>
    <parentid>203</parentid>
    <timestamp>2021-02-05T14:08:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Historique */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3160" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet INRIA MIMESIS en tant que sous-ensemble de l'équipe.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>1658c3d2c4a76a02f0851e27b8ecb681488ed4dc</sha1>
  </revision>
</page>
<page arvcontinue="20210122104953|211">
  <title>Fichier:Slides.pdf</title>
  <ns>6</ns>
  <id>29</id>
  <revision>
    <id>246</id>
    <timestamp>2021-02-23T15:32:56Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6" xml:space="preserve">slides</text>
    <sha1>d11ce424081d27fe82877ed86056b9eb7a0f224c</sha1>
  </revision>
  <revision>
    <id>250</id>
    <parentid>246</parentid>
    <timestamp>2021-02-24T08:24:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Michel.duprez a téléversé une nouvelle version de [[Fichier:Slides.pdf]]</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6" xml:space="preserve">slides</text>
    <sha1>d11ce424081d27fe82877ed86056b9eb7a0f224c</sha1>
  </revision>
</page>
<page arvcontinue="20210122104953|211">
  <title>Fichier:Estimation with Kalman filtering for site.pdf</title>
  <ns>6</ns>
  <id>30</id>
  <revision>
    <id>249</id>
    <timestamp>2021-02-23T17:31:33Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20210122104953|211">
  <title>Fichier:Seminaire-SOFA-09-03-2021.pdf</title>
  <ns>6</ns>
  <id>31</id>
  <revision>
    <id>259</id>
    <timestamp>2021-03-11T09:55:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>séminaire 09-03-2021</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="39" xml:space="preserve">== Description ==
séminaire 09-03-2021</text>
    <sha1>722aeecdee81c0736f17424c26defd71ea0e7c68</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>261</id>
    <parentid>260</parentid>
    <timestamp>2021-03-11T09:56:46Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6164" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>7392714f2795a309ca321efd550aa11bdcb49c3a</sha1>
  </revision>
  <revision>
    <id>262</id>
    <parentid>261</parentid>
    <timestamp>2021-03-11T09:58:05Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6330" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>725865f86e7d720c3b32d4ba02678ffd03cc4de6</sha1>
  </revision>
  <revision>
    <id>264</id>
    <parentid>262</parentid>
    <timestamp>2021-03-12T07:39:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6386" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>05e38eace9f82b0bd3b7407a564d0b12c8adeedc</sha1>
  </revision>
  <revision>
    <id>266</id>
    <parentid>264</parentid>
    <timestamp>2021-03-16T16:29:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6457" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>a986716b9fbff9136fd111705ea3b7ac6a7344fa</sha1>
  </revision>
  <revision>
    <id>267</id>
    <parentid>266</parentid>
    <timestamp>2021-03-21T09:17:05Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6623" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>9fbeb0320c13394c82aa6fcb155a9fcb466496b1</sha1>
  </revision>
  <revision>
    <id>269</id>
    <parentid>267</parentid>
    <timestamp>2021-03-23T12:32:10Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6680" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>42a102ee6a7b2701b48b387fce35c4de18ea4ad5</sha1>
  </revision>
  <revision>
    <id>271</id>
    <parentid>269</parentid>
    <timestamp>2021-03-29T06:55:10Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="7405" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>7c8227a8e2d2da4868ca78286324895453975d08</sha1>
  </revision>
  <revision>
    <id>275</id>
    <parentid>271</parentid>
    <timestamp>2021-04-09T15:05:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8297" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>48d99be782f648b810e399884b5aab8cb7921295</sha1>
  </revision>
  <revision>
    <id>277</id>
    <parentid>275</parentid>
    <timestamp>2021-04-19T12:19:52Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="9374" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>105140d543cb7f947260d84635233e60e928748b</sha1>
  </revision>
  <revision>
    <id>278</id>
    <parentid>277</parentid>
    <timestamp>2021-04-19T14:30:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="9453" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>9643157021dd6f574c28ca1d4e6ef3104066ba0c</sha1>
  </revision>
  <revision>
    <id>280</id>
    <parentid>278</parentid>
    <timestamp>2021-04-19T14:41:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="9455" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>6261c23c64922be7ccb41e2841182f32087568de</sha1>
  </revision>
  <revision>
    <id>281</id>
    <parentid>280</parentid>
    <timestamp>2021-04-21T11:54:17Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="11023" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 27 avril 2021 : '''Dawood Al Chanti'''

Titre: IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound

Résumé : We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%.


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>18d4460ddaf27263b53b68c533661b62c5705ea5</sha1>
  </revision>
  <revision>
    <id>282</id>
    <parentid>281</parentid>
    <timestamp>2021-04-21T11:55:47Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="11040" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>75f6022f860fbc0b3dbdc96989d1fa47261ceab9</sha1>
  </revision>
  <revision>
    <id>287</id>
    <parentid>282</parentid>
    <timestamp>2021-05-03T06:13:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="12202" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 4 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>eb1ee7c9402793fc8c02ab51770b2afe137aa7e6</sha1>
  </revision>
  <revision>
    <id>288</id>
    <parentid>287</parentid>
    <timestamp>2021-05-03T06:16:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="12236" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 4 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>21e5d3fe1dbee04dd934f307aaaabb72e49d9b9c</sha1>
  </revision>
  <revision>
    <id>289</id>
    <parentid>288</parentid>
    <timestamp>2021-05-10T07:56:44Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="12243" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>1b054e7f5ab1e40a15e752133ca6cc18b7b0f185</sha1>
  </revision>
  <revision>
    <id>290</id>
    <parentid>289</parentid>
    <timestamp>2021-05-10T08:00:12Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="12565" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Recording : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Recording : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>e81816af65f78357502a163342dc05586cb34fdc</sha1>
  </revision>
  <revision>
    <id>291</id>
    <parentid>290</parentid>
    <timestamp>2021-05-17T10:01:16Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="14715" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardis 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Recording : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Recording : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>70e2a04c7c83fd6ec20d5000b1dae1ee22a942be</sha1>
  </revision>
  <revision>
    <id>292</id>
    <parentid>291</parentid>
    <timestamp>2021-05-25T08:08:07Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="15590" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Recording : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Recording : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Recording : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>48148cf295c98069f0d8e72a72fd9ee62b4b8dab</sha1>
  </revision>
  <revision>
    <id>293</id>
    <parentid>292</parentid>
    <timestamp>2021-06-02T07:25:38Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="16684" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Recording : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Recording : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Recording : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>39143e68c2aac77369d42d26f865428718775ac7</sha1>
  </revision>
  <revision>
    <id>298</id>
    <parentid>293</parentid>
    <timestamp>2021-06-14T17:01:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="18075" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>7b3178190240c452d25f55e3feba8bbb48b11b3b</sha1>
  </revision>
  <revision>
    <id>299</id>
    <parentid>298</parentid>
    <timestamp>2021-06-17T12:00:41Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="19717" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>511a7cf7942976ed3d4816f6fc72c5dd24ff927f</sha1>
  </revision>
  <revision>
    <id>300</id>
    <parentid>299</parentid>
    <timestamp>2021-06-26T15:24:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="21344" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>738d77787a424c5621f4c5c9cb0fd5ae591e95b5</sha1>
  </revision>
  <revision>
    <id>301</id>
    <parentid>300</parentid>
    <timestamp>2021-07-12T09:22:15Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="22344" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>b240530eab16b5081d27c80aebcaf70048d29226</sha1>
  </revision>
  <revision>
    <id>302</id>
    <parentid>301</parentid>
    <timestamp>2021-07-12T18:23:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="22510" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>65ad78bce1083d2365486f1231ab32cb6cd006a0</sha1>
  </revision>
  <revision>
    <id>306</id>
    <parentid>302</parentid>
    <timestamp>2021-07-27T09:57:20Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="22676" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>524bedefb2a4134623cd598e8ac794a654567003</sha1>
  </revision>
  <revision>
    <id>308</id>
    <parentid>306</parentid>
    <timestamp>2021-07-27T09:59:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="22733" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]

* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>3a0f586dc89392a92d1310966ab340db4c069be6</sha1>
  </revision>
  <revision>
    <id>309</id>
    <parentid>308</parentid>
    <timestamp>2021-07-27T09:59:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="22734" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>13fcdd258617e6fbf78baccb8bcef68ce30fe5e8</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Fichier:Axel hutt seminaire.pdf</title>
  <ns>6</ns>
  <id>32</id>
  <revision>
    <id>263</id>
    <timestamp>2021-03-12T07:39:12Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Exposé Axel Hutt 02/03/2021</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="46" xml:space="preserve">== Description ==
Exposé Axel Hutt 02/03/2021</text>
    <sha1>0c9a9248a867cdbfc6d1be00153924416a5df66e</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Fichier:Presentation MLMS lecomte 16 03 21.pdf</title>
  <ns>6</ns>
  <id>33</id>
  <revision>
    <id>265</id>
    <timestamp>2021-03-16T16:28:48Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Présantation François Lecomte 16 mars</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="57" xml:space="preserve">== Description ==
Présantation François Lecomte 16 mars</text>
    <sha1>bb6c763fc75acd5ccf0f12b685cc075633ae9602</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>268</id>
    <parentid>245</parentid>
    <timestamp>2021-03-23T11:12:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4501" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''François Lecomte''' Ingénieur Inria encadré par Stéphane Cotin (contrat pré-doctoral) (fév. 2021 - août. 2021)

==Doctorants==
&lt;!--Ph.D. 2021:

* '''Lei Zan''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>4f75fc3186a6f0a499134f20cec47964744c8948</sha1>
  </revision>
  <revision>
    <id>283</id>
    <parentid>268</parentid>
    <timestamp>2021-04-28T18:18:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4499" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''François Lecomte''' Ingénieur Inria encadré par Stéphane Cotin (contrat pré-doctoral) (fév. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (jan. 2021 - ...)--&gt;

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (Oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>0d54be3315b45bc075fa69d4cc250e3eee39d02d</sha1>
  </revision>
  <revision>
    <id>284</id>
    <parentid>283</parentid>
    <timestamp>2021-04-28T18:18:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4497" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''François Lecomte''' Ingénieur Inria encadré par Stéphane Cotin (contrat pré-doctoral) (fév. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>3c660af743777023bf9335d82c960f8c8c0eebcf</sha1>
  </revision>
  <revision>
    <id>294</id>
    <parentid>284</parentid>
    <timestamp>2021-06-07T12:00:42Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4644" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''François Lecomte''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (fév. 2021 - août. 2021)

* '''Sidaty El Hadramy''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (mai. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>598a369babda32cb41268df9144596ca384eb46b</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Fichier:Seminaire hyewon seo.pdf</title>
  <ns>6</ns>
  <id>34</id>
  <revision>
    <id>270</id>
    <timestamp>2021-03-23T12:32:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Contact</title>
  <ns>0</ns>
  <id>6</id>
  <revision>
    <id>272</id>
    <parentid>95</parentid>
    <timestamp>2021-04-08T15:45:39Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="447" xml:space="preserve">
== Co-responsables d'équipe == 
[http://http://igg.unistra.fr/People/seo/ Hyewon Seo] et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg
Bâtiment Clovis Vincent
1 Place de l'Hôpital, 67000 Strasbourg
67085  Strasbourg Cedex FRANCE

[[Fichier:Clovis.jpg|vignette]]

== Coordonnées GPS== 
(48.57542, 7.74398): 
[https://goo.gl/maps/wLEyPi55MFkM1rEQ9 Lien Google map]</text>
    <sha1>6d0cdb0d67f7d7a208eb0d33a2e9b7a0e194d3bf</sha1>
  </revision>
  <revision>
    <id>273</id>
    <parentid>272</parentid>
    <timestamp>2021-04-08T15:45:52Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Adresse postale */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="450" xml:space="preserve">
== Co-responsables d'équipe == 
[http://http://igg.unistra.fr/People/seo/ Hyewon Seo] et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg

Bâtiment Clovis Vincent

1 Place de l'Hôpital, 67000 Strasbourg

67085  Strasbourg Cedex FRANCE

[[Fichier:Clovis.jpg|vignette]]

== Coordonnées GPS== 
(48.57542, 7.74398): 
[https://goo.gl/maps/wLEyPi55MFkM1rEQ9 Lien Google map]</text>
    <sha1>0a58c6638facb36e7710c2f97e98f550582739e6</sha1>
  </revision>
  <revision>
    <id>274</id>
    <parentid>273</parentid>
    <timestamp>2021-04-09T11:52:39Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Adresse postale */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="432" xml:space="preserve">
== Co-responsables d'équipe == 
[http://http://igg.unistra.fr/People/seo/ Hyewon Seo] et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg

Bâtiment Clovis Vincent

1 Place de l'Hôpital

67000  Strasbourg Cedex FRANCE

[[Fichier:Clovis.jpg|vignette]]

== Coordonnées GPS== 
(48.57542, 7.74398): 
[https://goo.gl/maps/wLEyPi55MFkM1rEQ9 Lien Google map]</text>
    <sha1>c4012bf44fcd31e4c8e5c555f5523e0a389579d9</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Presentation</title>
  <ns>0</ns>
  <id>23</id>
  <revision>
    <id>276</id>
    <parentid>239</parentid>
    <timestamp>2021-04-15T08:02:05Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Historique */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3188" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modelés à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>dcfac6380ec610076d9a3f533e28e00c3a18808c</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Fichier:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf</title>
  <ns>6</ns>
  <id>35</id>
  <revision>
    <id>279</id>
    <timestamp>2021-04-19T14:31:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>285</id>
    <parentid>238</parentid>
    <timestamp>2021-04-29T08:07:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1275" xml:space="preserve">== PhD pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; position filled

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies]

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]]

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>aa9b3268e7d4a76283e22a4f585e9f8ee5d1cba2</sha1>
  </revision>
  <revision>
    <id>286</id>
    <parentid>285</parentid>
    <timestamp>2021-04-29T08:07:52Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1267" xml:space="preserve">== PhD pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies]

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]]

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>96d042d985f440193677da355dfb7d59d72514c3</sha1>
  </revision>
  <revision>
    <id>296</id>
    <parentid>286</parentid>
    <timestamp>2021-06-11T19:26:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1278" xml:space="preserve">== PhD pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]]

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>a45dee544c2d5c5e4dacef01f9ebfe4d5f7a05f1</sha1>
  </revision>
  <revision>
    <id>297</id>
    <parentid>296</parentid>
    <timestamp>2021-06-11T19:31:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2021 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1331" xml:space="preserve">== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]]

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>d585f4638441d6c55e59342a21a42b7f6a7105b3</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Actualités</title>
  <ns>0</ns>
  <id>10</id>
  <revision>
    <id>295</id>
    <parentid>83</parentid>
    <timestamp>2021-06-07T13:17:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="261" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!</text>
    <sha1>3d2979a2d7f2db0e5a215a8d5dad709dc372c47d</sha1>
  </revision>
  <revision>
    <id>304</id>
    <parentid>295</parentid>
    <timestamp>2021-07-23T19:33:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="343" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.</text>
    <sha1>696abce0c34895baf1a83c9d9b55d7140373acf4</sha1>
  </revision>
  <revision>
    <id>305</id>
    <parentid>304</parentid>
    <timestamp>2021-07-23T19:36:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="481" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.</text>
    <sha1>a8161b5cd34b8c78fe648665e5705ef788e06e78</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>MediaWiki:Sidebar</title>
  <ns>8</ns>
  <id>2</id>
  <revision>
    <id>303</id>
    <parentid>206</parentid>
    <timestamp>2021-07-13T14:04:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="300" xml:space="preserve">
* navigation
** Presentation|Présentation
** Actualités|Actualités
** Faits marquants|Faits marquants
** Séminaires d'équipe|Séminaires d'équipe
** Membres|Membres
** Publications|Publications
** Projets|Projets
** Ressources|Ressources
** Offres d'emplois|Offres d'emplois
** Contact|Contact</text>
    <sha1>6514c37bd0b75ee7bd707f056d4b477da2b90851</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Fichier:Presentation anne sarah.pdf</title>
  <ns>6</ns>
  <id>36</id>
  <revision>
    <id>307</id>
    <timestamp>2021-07-27T09:58:03Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20210311095646|261">
  <title>Fichier:Presentation Virginie MAREC.pdf</title>
  <ns>6</ns>
  <id>37</id>
  <revision>
    <id>310</id>
    <timestamp>2021-07-27T10:00:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20210727100106|311">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>311</id>
    <parentid>309</parentid>
    <timestamp>2021-07-27T10:01:06Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="22796" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf

* mardi 22 juin 2021 : '''Josephine Riedinger'''|pdf]]


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>ce52060a43e26ef54270f5a7dfe5ef665482c8b1</sha1>
  </revision>
  <revision>
    <id>312</id>
    <parentid>311</parentid>
    <timestamp>2021-07-27T10:01:25Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="22796" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]

* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>25158073e59c774f61036c4f752514002bfb0d9d</sha1>
  </revision>
  <revision>
    <id>313</id>
    <parentid>312</parentid>
    <timestamp>2021-07-27T10:01:47Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="22797" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>cfd8901fc2e46809bb8cea3bfe052ae70ac69cef</sha1>
  </revision>
  <revision>
    <id>315</id>
    <parentid>313</parentid>
    <timestamp>2021-07-27T10:08:56Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="22854" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>6842c7f49e2843c1ae907f48c31902a071d79d69</sha1>
  </revision>
  <revision>
    <id>317</id>
    <parentid>315</parentid>
    <timestamp>2021-07-27T10:14:17Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="22910" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>0f063819932d13b572cbc09e3d2257ee48a90c52</sha1>
  </revision>
  <revision>
    <id>319</id>
    <parentid>317</parentid>
    <timestamp>2021-07-27T13:33:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="22966" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==

* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>6556bd7873d2f59d6c22ba487c712158786edfeb</sha1>
  </revision>
  <revision>
    <id>320</id>
    <parentid>319</parentid>
    <timestamp>2021-08-30T07:46:48Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="25167" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Prochains séminaires==


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>fde7d007b3c9683d25dd437d274f7b4af7dbd784</sha1>
  </revision>
  <revision>
    <id>323</id>
    <parentid>320</parentid>
    <timestamp>2021-09-20T10:42:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="25271" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114﻿ '''Meeting room 114''']


==Prochains séminaires==


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>d348defec87993bcba261510c01e4b325805e497</sha1>
  </revision>
  <revision>
    <id>324</id>
    <parentid>323</parentid>
    <timestamp>2021-09-20T10:43:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Réservation des salles */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="25270" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114﻿ '''Meeting room 114''']

==Prochains séminaires==


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>28beeac12198f2cf2a7f4057893d836b936f9bd5</sha1>
  </revision>
  <revision>
    <id>325</id>
    <parentid>324</parentid>
    <timestamp>2021-09-20T10:44:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Réservation des salles */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="25268" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114﻿ ''Meeting room 114'']

==Prochains séminaires==


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>3f2c215287f64c75804a1b55773672d3ee3c5793</sha1>
  </revision>
  <revision>
    <id>326</id>
    <parentid>325</parentid>
    <timestamp>2021-09-20T10:45:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Réservation des salles */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="25261" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

==Prochains séminaires==


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>70a9bc2690406cb8b04cb286eda2a9fa310a3a6f</sha1>
  </revision>
  <revision>
    <id>333</id>
    <parentid>326</parentid>
    <timestamp>2021-09-26T14:38:48Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Réservation des salles */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="25375" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]
[mailto:reservation@ihu-strasbourg.eu room IHU]

==Prochains séminaires==


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>6522d41fe08a2557d0d1998fe45e821081f8f47e</sha1>
  </revision>
  <revision>
    <id>334</id>
    <parentid>333</parentid>
    <timestamp>2021-09-26T14:39:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Réservation des salles */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="25377" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu room IHU]

==Prochains séminaires==


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>41450c2a5476c321988e52b5161862a6d2c7a27d</sha1>
  </revision>
  <revision>
    <id>335</id>
    <parentid>334</parentid>
    <timestamp>2021-09-26T14:51:39Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Réservation des salles */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="25391" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]

==Prochains séminaires==


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>a2b0da7ae91bc26ac07008adcec8cce4e11c01bd</sha1>
  </revision>
  <revision>
    <id>349</id>
    <parentid>335</parentid>
    <timestamp>2021-10-25T07:32:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="26236" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]

==Prochains séminaires==

* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' ""A concept of a coupled agent-stress mechanical model of a tissue""

'''Résumé de Boyang Yu :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>67b27ace5865e482a6e46231d8491904289b9cd4</sha1>
  </revision>
  <revision>
    <id>350</id>
    <parentid>349</parentid>
    <timestamp>2021-10-25T07:32:52Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="26223" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]

==Prochains séminaires==

* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' ""A concept of a coupled agent-stress mechanical model of a tissue""

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>78be368c3ba9527977bf8c4274f86883ebda25fe</sha1>
  </revision>
  <revision>
    <id>352</id>
    <parentid>350</parentid>
    <timestamp>2021-11-08T13:10:56Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="26387" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]

==Prochains séminaires==

* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' ""Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions""


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' ""A concept of a coupled agent-stress mechanical model of a tissue""

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>f6c245453fa71eff820a1157c60f0c6064f664c6</sha1>
  </revision>
  <revision>
    <id>357</id>
    <parentid>352</parentid>
    <timestamp>2021-11-15T07:49:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="26887" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30 (si elle a lieu) en salle de conférence à l'IHU.


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h)


* mardi 7 décembre 2021 (exposé à 11h)


* mardi 23 novembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Guillaume Paran'''

'''Titre :''' ""How to easily build, test and deploy your plugins with GitHub Actions""


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' ""Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions""


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' ""A concept of a coupled agent-stress mechanical model of a tissue""

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>2ebdb339defba36f5d2c8fcb80c1881ae8990018</sha1>
  </revision>
  <revision>
    <id>358</id>
    <parentid>357</parentid>
    <timestamp>2021-11-15T07:50:11Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="26925" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30 (si elle a lieu) en salle de conférence à l'IHU.


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 7 décembre 2021 (exposé à 11h): '''À définir'''


* mardi 23 novembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Guillaume Paran'''

'''Titre :''' ""How to easily build, test and deploy your plugins with GitHub Actions""


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' ""Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions""


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' ""A concept of a coupled agent-stress mechanical model of a tissue""

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' ""SOTA cloth modeling and its use in motion simulation""

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>1da50634c5701d07cdf32c993f766de653b1666e</sha1>
  </revision>
  <revision>
    <id>359</id>
    <parentid>358</parentid>
    <timestamp>2021-11-15T07:50:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="26917" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30 (si elle a lieu) en salle de conférence à l'IHU.


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 7 décembre 2021 (exposé à 11h): '''À définir'''


* mardi 23 novembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>45aa0b894b5d1f1b8536e3b0efc4ef9e83709bbe</sha1>
  </revision>
  <revision>
    <id>360</id>
    <parentid>359</parentid>
    <timestamp>2021-11-15T08:12:41Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Réunion permanents */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="26940" xml:space="preserve">
Le séminaire d'équipe se tient le mardi à 11h avec la réunion d'équipe à 10h30 (si elle a lieu) en salle de conférence à l'IHU.


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (certains mardi à 11h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

==Prochains séminaires==

* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 7 décembre 2021 (exposé à 11h): '''À définir'''


* mardi 23 novembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>62df63f9b0c16117838ceebce22af23b2c07ffee</sha1>
  </revision>
</page>
<page arvcontinue="20210727100106|311">
  <title>Fichier:Presentation cedric2.pdf</title>
  <ns>6</ns>
  <id>38</id>
  <revision>
    <id>314</id>
    <timestamp>2021-07-27T10:08:03Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20210727100106|311">
  <title>Fichier:Presentation pierre.pdf</title>
  <ns>6</ns>
  <id>39</id>
  <revision>
    <id>316</id>
    <timestamp>2021-07-27T10:13:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20210727100106|311">
  <title>Fichier:Presentation rongrong.pdf</title>
  <ns>6</ns>
  <id>40</id>
  <revision>
    <id>318</id>
    <timestamp>2021-07-27T13:32:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20210727100106|311">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>321</id>
    <parentid>294</parentid>
    <timestamp>2021-09-02T09:36:29Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5160" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''François Lecomte''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (fév. 2021 - août. 2021)

* '''Sidaty El Hadramy''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (mai. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>1f279670a1184f7af91430f6ca524738e165eced</sha1>
  </revision>
  <revision>
    <id>322</id>
    <parentid>321</parentid>
    <timestamp>2021-09-02T09:40:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5161" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''François Lecomte''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (fév. 2021 - août. 2021)

* '''Sidaty El Hadramy''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (mai. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)


Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>72d8e045242f4a90b91cb698460e98e6fa4323af</sha1>
  </revision>
  <revision>
    <id>348</id>
    <parentid>322</parentid>
    <timestamp>2021-10-18T07:39:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5213" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Post-docs==

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''François Lecomte''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (fév. 2021 - août. 2021)

* '''Sidaty El Hadramy''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (mai. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)


Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>3773ac7c6b0b9766a9f302c68a8d8533ba63561b</sha1>
  </revision>
  <revision>
    <id>351</id>
    <parentid>348</parentid>
    <timestamp>2021-11-02T11:02:06Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5198" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''François Lecomte''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (fév. 2021 - août. 2021)

* '''Sidaty El Hadramy''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (mai. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)


Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- ...)</text>
    <sha1>33431c7efa9af82e9489092f8342a984dd869b2e</sha1>
  </revision>
</page>
<page arvcontinue="20210727100106|311">
  <title>Projets</title>
  <ns>0</ns>
  <id>12</id>
  <revision>
    <id>327</id>
    <parentid>229</parentid>
    <timestamp>2021-09-20T13:21:43Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5219" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* '''Real-World Human Cognition by Care Robots''' (oct. 2021 - oct. 2024): Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo et Stéphane Cotin, avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular''': Simulation of needle insertion en virtual reality and haptics (oct. 2021 - oct. 2025), est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises).</text>
    <sha1>daff81dda43181ccf8d3edb0202467bff4ae3aae</sha1>
  </revision>
  <revision>
    <id>328</id>
    <parentid>327</parentid>
    <timestamp>2021-09-20T13:23:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5254" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* '''Real-World Human Cognition by Care Robots''' (oct. 2021 - oct. 2024): Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular''': Simulation of needle insertion en virtual reality and haptics (oct. 2021 - oct. 2025), est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises).</text>
    <sha1>fde7a75957faaf161cb367d96f0abbb7d7c1029f</sha1>
  </revision>
  <revision>
    <id>336</id>
    <parentid>328</parentid>
    <timestamp>2021-10-04T12:15:28Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5431" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* '''Real-World Human Cognition by Care Robots''' (oct. 2021 - oct. 2024): Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular''': Simulation of needle insertion en virtual reality and haptics (oct. 2021 - oct. 2025), est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises).

* '''S-Keloid''': (), est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international)</text>
    <sha1>a699b50595358d40cda7a603e72a756150d89252</sha1>
  </revision>
  <revision>
    <id>337</id>
    <parentid>336</parentid>
    <timestamp>2021-10-04T12:18:26Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5563" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* '''Real-World Human Cognition by Care Robots''' (oct. 2021 - oct. 2024): Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular''': Simulation of needle insertion en virtual reality and haptics (oct. 2021 - oct. 2025), est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises).

* '''S-Keloid''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip, est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).</text>
    <sha1>78994d999cd4c53f4dc485d604a2f93e733808e8</sha1>
  </revision>
  <revision>
    <id>338</id>
    <parentid>337</parentid>
    <timestamp>2021-10-04T12:20:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5587" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* '''Real-World Human Cognition by Care Robots''' (oct. 2021 - oct. 2024): Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular''': Simulation of needle insertion en virtual reality and haptics (oct. 2021 - oct. 2025), est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises).

* '''S-Keloid''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip (oct. 2021 - oct. 2025), est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).</text>
    <sha1>bd8f38bd2cb6bffa45d357e9bc9e6c8d17e87aa1</sha1>
  </revision>
  <revision>
    <id>339</id>
    <parentid>338</parentid>
    <timestamp>2021-10-04T20:00:16Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5642" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* '''Real-World Human Cognition by Care Robots''' (oct. 2021 - oct. 2024): Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular''': Simulation of needle insertion en virtual reality and haptics (oct. 2021 - oct. 2025), est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip (oct. 2021 - oct. 2025), est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).</text>
    <sha1>49f21ca1258cbc15476044dcc1802527adb7fbbf</sha1>
  </revision>
</page>
<page arvcontinue="20210727100106|311">
  <title>Actualités</title>
  <ns>0</ns>
  <id>10</id>
  <revision>
    <id>329</id>
    <parentid>305</parentid>
    <timestamp>2021-09-20T13:25:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="562" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* octobre 2021: 2 doctorants, Diwei WANG et Thomas WAHL nous rejoint, bienvenue!</text>
    <sha1>1dd053f1a1d6a0e848ca1d7db3f9e8ce23a67c86</sha1>
  </revision>
  <revision>
    <id>330</id>
    <parentid>329</parentid>
    <timestamp>2021-09-20T13:26:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="583" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!</text>
    <sha1>54e627b7d3a241345c0ddd7318a16ac7b37f42a0</sha1>
  </revision>
  <revision>
    <id>331</id>
    <parentid>330</parentid>
    <timestamp>2021-09-21T19:25:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="646" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nicolayev est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!</text>
    <sha1>3d725d328a32dc3b888bcca63edb69f5287cf6f8</sha1>
  </revision>
  <revision>
    <id>332</id>
    <parentid>331</parentid>
    <timestamp>2021-09-21T19:26:05Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="753" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!</text>
    <sha1>3a9b452500864cf6444dc76424f24a60c46b6117</sha1>
  </revision>
</page>
<page arvcontinue="20210727100106|311">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>340</id>
    <parentid>297</parentid>
    <timestamp>2021-10-05T07:46:38Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1575" xml:space="preserve">== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>6c6a7d5a24b22e0ac3872555b9fe614a669e3367</sha1>
  </revision>
  <revision>
    <id>341</id>
    <parentid>340</parentid>
    <timestamp>2021-10-05T07:47:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2080" xml:space="preserve">== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>c8ecf197a01dad8375634075bb69d8d5c135b203</sha1>
  </revision>
  <revision>
    <id>342</id>
    <parentid>341</parentid>
    <timestamp>2021-10-05T07:48:11Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2081" xml:space="preserve">== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>9e38cdf5e6790b266a991b8d93e56314388af469</sha1>
  </revision>
  <revision>
    <id>343</id>
    <parentid>342</parentid>
    <timestamp>2021-10-05T07:48:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2082" xml:space="preserve">== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>01ff3be5347ff035247866f673f5d5b3c2b21b38</sha1>
  </revision>
  <revision>
    <id>344</id>
    <parentid>343</parentid>
    <timestamp>2021-10-05T07:49:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2087" xml:space="preserve">== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>0145f01daf59177b014e0611f055a7c6cbe8d710</sha1>
  </revision>
  <revision>
    <id>345</id>
    <parentid>344</parentid>
    <timestamp>2021-10-05T07:49:49Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1814" xml:space="preserve">== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>302ccece570aae4d40229697cf262caf55d3d11a</sha1>
  </revision>
  <revision>
    <id>346</id>
    <parentid>345</parentid>
    <timestamp>2021-10-05T07:49:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2087" xml:space="preserve">== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>86172e760c7e9861687a217974205167e7bd2e9f</sha1>
  </revision>
  <revision>
    <id>347</id>
    <parentid>346</parentid>
    <timestamp>2021-10-05T07:50:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2092" xml:space="preserve">== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec 2021) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>7135c34ff11a6dba2c272629f195fcc4bb7570d2</sha1>
  </revision>
  <revision>
    <id>353</id>
    <parentid>347</parentid>
    <timestamp>2021-11-12T15:10:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2219" xml:space="preserve">== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec 2021) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D pattern elements from the 3D garment shape]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>be64b1615fef2bdc5697c3da229ead6a502690b6</sha1>
  </revision>
  <revision>
    <id>354</id>
    <parentid>353</parentid>
    <timestamp>2021-11-12T15:10:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2220" xml:space="preserve">== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec 2021) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D pattern elements from the 3D garment shape]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>16f55bcac3653a2d8b6e40ef9fcba33248e9aa39</sha1>
  </revision>
  <revision>
    <id>355</id>
    <parentid>354</parentid>
    <timestamp>2021-11-12T15:10:47Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2220" xml:space="preserve">== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec 2021) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>1122ae21b7eefd60f617607d7ecc399fca0d41c8</sha1>
  </revision>
  <revision>
    <id>356</id>
    <parentid>355</parentid>
    <timestamp>2021-11-12T15:11:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 dec 2021) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2221" xml:space="preserve">== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape]

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>58c551d446ac0e7a1bf3413489e8a2226fb6fb01</sha1>
  </revision>
</page>
<page arvcontinue="20211115081320|361">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>361</id>
    <parentid>360</parentid>
    <timestamp>2021-11-15T08:13:20Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27029" xml:space="preserve">==Organisattion==
Les activités d'équipes ont lieu le mardi matin en salle de conférence à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (certains mardi à 11h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

==Prochains séminaires==

* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 7 décembre 2021 (exposé à 11h): '''À définir'''


* mardi 23 novembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>4af2469a9ebf7d9f89ac7335604f783dfd04fc14</sha1>
  </revision>
  <revision>
    <id>362</id>
    <parentid>361</parentid>
    <timestamp>2021-11-15T08:13:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27014" xml:space="preserve">==Organisattion==
Les activités d'équipes ont lieu le mardi matin en salle de conférence à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

==Prochains séminaires==

* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 7 décembre 2021 (exposé à 11h): '''À définir'''


* mardi 23 novembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>8ec0b5bd5960527dd611e9845adb8e601af4679c</sha1>
  </revision>
  <revision>
    <id>363</id>
    <parentid>362</parentid>
    <timestamp>2021-11-15T08:22:48Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27015" xml:space="preserve">==Organisattion==
Les activités d'équipes ont lieu le mardi matin en salle de conférence à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 7 décembre 2021 (exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"


* mardi 23 novembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>1d3a4e9fadb3f6f85b913636cefba05654dbd9d0</sha1>
  </revision>
  <revision>
    <id>364</id>
    <parentid>363</parentid>
    <timestamp>2021-11-15T08:23:04Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Organisattion */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27013" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de conférence à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 7 décembre 2021 (exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"


* mardi 23 novembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>c6c4674e42094d0e2e57ff8845044de7dcf70660</sha1>
  </revision>
  <revision>
    <id>365</id>
    <parentid>364</parentid>
    <timestamp>2021-11-24T09:13:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27013" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de conférence à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 25 janvier 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Pierre Mollo'''


* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 7 décembre 2021 (exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>00071bfe71a16e2c8641416869622d0dc14648e6</sha1>
  </revision>
  <revision>
    <id>366</id>
    <parentid>365</parentid>
    <timestamp>2021-11-24T09:15:29Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="26986" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de conférence à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 25 janvier 2022 (exposé à 11h): '''Pierre Mollo'''


* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 7 décembre 2021 (exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>6d8f46f9b1067bdf9b0ccd94d857f7fc646b713b</sha1>
  </revision>
  <revision>
    <id>367</id>
    <parentid>366</parentid>
    <timestamp>2021-11-24T09:16:12Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27013" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de conférence à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 25 janvier 2022 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Pierre Mollo'''


* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''À définir'''


* mardi 7 décembre 2021 (exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>68ef13ee5e9a6b4c18163ec417487cf42b653199</sha1>
  </revision>
  <revision>
    <id>368</id>
    <parentid>367</parentid>
    <timestamp>2021-11-26T09:33:33Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27014" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de conférence à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 25 janvier 2022 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Pierre Mollo'''


* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Léo Nouveau'''


* mardi 7 décembre 2021 (exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>f27ca7e0cd2f90d300695727ff8f44a0f865eaaa</sha1>
  </revision>
  <revision>
    <id>369</id>
    <parentid>368</parentid>
    <timestamp>2021-12-09T13:52:41Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Organisation */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27007" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 25 janvier 2022 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Pierre Mollo'''


* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Léo Nouveau'''


* mardi 7 décembre 2021 (exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>360b07f57e16cab3a2a0f6189fc55281119f37de</sha1>
  </revision>
  <revision>
    <id>370</id>
    <parentid>369</parentid>
    <timestamp>2021-12-09T13:53:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27016" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 25 janvier 2022 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Pierre Mollo'''


* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Léo Nouveau'''


!-- * mardi 7 décembre 2021 (exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"  --!


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>b4321b02563b11fa1a1ad37cf5bc9d58b74a82f6</sha1>
  </revision>
  <revision>
    <id>371</id>
    <parentid>370</parentid>
    <timestamp>2021-12-09T13:54:11Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27018" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 25 janvier 2022 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Pierre Mollo'''


* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Léo Nouveau'''


&lt;!-- * mardi 7 décembre 2021 (exposé à 11h): '''Guillaume Paran'''

'''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions"  --!&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>24772780d11f65188b437a966dbbe71175f9058e</sha1>
  </revision>
  <revision>
    <id>372</id>
    <parentid>371</parentid>
    <timestamp>2021-12-09T13:55:39Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27027" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 25 janvier 2022 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Pierre Mollo'''


* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Léo Nouveau'''


&lt;!-- * mardi 7 décembre 2021 (exposé à 11h): '''Guillaume Paran''' --!&gt;

&lt;!-- '''Titre :''' "How to easily build, test and deploy your plugins with GitHub Actions" --!&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>b4e1b4377c655467aef2367b1a8e93420476bdcc</sha1>
  </revision>
  <revision>
    <id>373</id>
    <parentid>372</parentid>
    <timestamp>2021-12-09T13:56:04Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="26853" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires==

* mardi 25 janvier 2022 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Pierre Mollo'''


* mardi 21 décembre 2021 (réunion d'équipe 10h30 &amp; exposé à 11h): '''Léo Nouveau'''


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>2980d5b3104a0ab87657347f6a60a7ddab5f9b73</sha1>
  </revision>
  <revision>
    <id>374</id>
    <parentid>373</parentid>
    <timestamp>2021-12-11T10:09:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27128" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires / réunions==


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''


* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>03c5153fc4ddf79e8b8a43b9d51c6905f55c84f0</sha1>
  </revision>
  <revision>
    <id>375</id>
    <parentid>374</parentid>
    <timestamp>2021-12-11T10:13:17Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27487" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''


* mardi 15 février 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''


* mardi 8 février 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''


* mardi 1er janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''


* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>1410bf3d52a324c928d5a57a1b18f8681b5cfd40</sha1>
  </revision>
  <revision>
    <id>376</id>
    <parentid>375</parentid>
    <timestamp>2021-12-11T10:14:44Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27353" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : pas de réunion


* mardi 8 février 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 1er janvier 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''


* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>4dc5499bfb02f7cd273eec3746a2a59e317243c8</sha1>
  </revision>
  <revision>
    <id>377</id>
    <parentid>376</parentid>
    <timestamp>2021-12-11T10:32:25Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27387" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : pas de réunion


* mardi 8 février 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 1er janvier 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo''' (exposé sur les bases réduites)


* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>d1da745235f66683e58d150a2a240512a68b6c81</sha1>
  </revision>
  <revision>
    <id>378</id>
    <parentid>377</parentid>
    <timestamp>2021-12-13T10:35:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27422" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : exposé à 11h de '''Leo Nouveau''' (sur ShiftFEM)


* mardi 8 février 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 1er janvier 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo''' (exposé sur les bases réduites)


* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>fdcd98072dd0734551553f133179cd6d9aea95b1</sha1>
  </revision>
  <revision>
    <id>386</id>
    <parentid>378</parentid>
    <timestamp>2022-01-24T15:57:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="28245" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.


==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : exposé à 11h de '''Leo Nouveau''' (sur ShiftFEM)


* mardi 8 février 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 1er janvier 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>2f20be098711307c08396e2abf885a506cfbe1a5</sha1>
  </revision>
  <revision>
    <id>387</id>
    <parentid>386</parentid>
    <timestamp>2022-01-31T10:57:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Réunion permanents (à 10h) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="28316" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==
https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20
7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : exposé à 11h de '''Leo Nouveau''' (sur ShiftFEM)


* mardi 8 février 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 1er janvier 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>9dbb2d63d9947894355aace8afa66c34be7acd77</sha1>
  </revision>
  <revision>
    <id>388</id>
    <parentid>387</parentid>
    <timestamp>2022-01-31T10:58:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Réunion permanents (à 10h) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="28360" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==
https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20
(Only invited have access to the calender)

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : exposé à 11h de '''Leo Nouveau''' (sur ShiftFEM)


* mardi 8 février 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 1er janvier 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>11b8062cc998aa1ddde8a1730efb7e035df1a537</sha1>
  </revision>
  <revision>
    <id>389</id>
    <parentid>388</parentid>
    <timestamp>2022-01-31T10:59:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Réunion permanents (à 10h) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="28373" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==
[[Calender|https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20]] (Only invited have access to the calender)

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : exposé à 11h de '''Leo Nouveau''' (sur ShiftFEM)


* mardi 8 février 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 1er janvier 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>049410773084eb2dd12502989e2b2ed80ee79812</sha1>
  </revision>
  <revision>
    <id>390</id>
    <parentid>389</parentid>
    <timestamp>2022-01-31T10:59:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Réunion permanents (à 10h) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="28371" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==
[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : exposé à 11h de '''Leo Nouveau''' (sur ShiftFEM)


* mardi 8 février 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 1er janvier 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>f2ce170dd1ce157fe9ed7bd5aaf8df5a1d7cc63c</sha1>
  </revision>
  <revision>
    <id>391</id>
    <parentid>390</parentid>
    <timestamp>2022-02-06T10:25:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="29549" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==
[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 1er janvier 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>c0289b34034cf3d3d2fc8424b1c4795e52305a6d</sha1>
  </revision>
  <revision>
    <id>393</id>
    <parentid>391</parentid>
    <timestamp>2022-02-07T14:49:43Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="29549" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==
[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er janvier 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>03c30a72fde390d1ff47129181531380322537b6</sha1>
  </revision>
  <revision>
    <id>394</id>
    <parentid>393</parentid>
    <timestamp>2022-02-07T14:50:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="29550" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==
[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

==Prochains séminaires / réunions==


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>ccb3c308ac137a5030a38066a9c29ad9534b09f3</sha1>
  </revision>
  <revision>
    <id>395</id>
    <parentid>394</parentid>
    <timestamp>2022-02-07T14:51:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="29588" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Réunion permanents (à 10h)==
[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

7 décembre 2021, 11 janvier 2022, 8 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

==Prochains séminaires / réunions==

* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 22 février 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>54bd46e41c6585095fe5d714a7f5ee8261a277c4</sha1>
  </revision>
  <revision>
    <id>396</id>
    <parentid>395</parentid>
    <timestamp>2022-02-07T14:52:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="29559" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 
Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.
Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.
[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)


==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 22 février 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>9afc101fff0ad791c38fbfe99f06dbc6540ca1b7</sha1>
  </revision>
  <revision>
    <id>397</id>
    <parentid>396</parentid>
    <timestamp>2022-02-07T14:53:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Organisation */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="29561" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 22 février 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>a58c8b0969d58acb9a3de80d3857635795128c4f</sha1>
  </revision>
  <revision>
    <id>398</id>
    <parentid>397</parentid>
    <timestamp>2022-02-07T15:00:31Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="29764" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 8 mars 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 22 mars 2022 : réunion d'équipe à 11h


* mardi 5 avril 2022 : réunion permanent 10h et réunion d'équipe à 11h

==Séminaires / réunions passés==


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>f322136ad92395f48228570f61c723723391dbb7</sha1>
  </revision>
  <revision>
    <id>401</id>
    <parentid>398</parentid>
    <timestamp>2022-02-16T09:18:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="29763" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 8 mars 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 22 mars 2022 : réunion d'équipe à 11h


* mardi 5 avril 2022 : réunion permanent 10h et réunion d'équipe à 11h


==Séminaires / réunions passés==

* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>2ffdd8fc10e520b823011058502a292725624f50</sha1>
  </revision>
  <revision>
    <id>402</id>
    <parentid>401</parentid>
    <timestamp>2022-03-08T09:53:03Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="30585" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 mars 2022 : réunion d'équipe à 11h


* mardi 5 avril 2022 : réunion permanent 10h et réunion d'équipe à 11h


==Séminaires / réunions passés==

* mardi 22 février 2022 : réunion d'équipe à 11h

* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>b1a718de4f51d693e63031c04a9a51079d9cf6eb</sha1>
  </revision>
  <revision>
    <id>403</id>
    <parentid>402</parentid>
    <timestamp>2022-03-08T09:53:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Séminaires / réunions passés */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="30586" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 mars 2022 : réunion d'équipe à 11h


* mardi 5 avril 2022 : réunion permanent 10h et réunion d'équipe à 11h


==Séminaires / réunions passés==

* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>ce639f6447237dcd3282d21668b059876ab8452b</sha1>
  </revision>
  <revision>
    <id>404</id>
    <parentid>403</parentid>
    <timestamp>2022-03-09T07:43:15Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="31097" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 mars 2022 : réunion d'équipe à 11h


* mardi 5 avril 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 22 mars 2022 : réunion d'équipe à 11h


* mardi 5 avril 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 22 mars 2022 : réunion d'équipe à 11h


* mardi 5 avril 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 22 mars 2022 : réunion d'équipe à 11h


* mardi 5 avril 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 22 mars 2022 : réunion d'équipe à 11h


* mardi 5 avril 2022 : réunion permanent 10h et réunion d'équipe à 11h

==Séminaires / réunions passés==

* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>d33497170048b928b96475607978b888bd08c101</sha1>
  </revision>
  <revision>
    <id>405</id>
    <parentid>404</parentid>
    <timestamp>2022-03-09T07:47:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="31027" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 mars 2022 : réunion d'équipe à 11h


* mardi 5 avril 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe à 11h


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 17 mai 2022 : réunion d'équipe à 11h


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==

* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>69a62c53bade6ef9ce73177f8bf0068c7200c8e9</sha1>
  </revision>
  <revision>
    <id>406</id>
    <parentid>405</parentid>
    <timestamp>2022-03-17T13:41:46Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="31997" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 5 avril 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe à 11h


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 17 mai 2022 : réunion d'équipe à 11h


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>d6c3b548590135349227b1bb5b3ca82a20ce889e</sha1>
  </revision>
  <revision>
    <id>407</id>
    <parentid>406</parentid>
    <timestamp>2022-03-29T07:28:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="33516" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 19 avril 2022 : réunion d'équipe à 11h


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 17 mai 2022 : réunion d'équipe à 11h


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==

* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>21e6bf4a3221ad7c6c17bd64cb7b2e9d53ea7861</sha1>
  </revision>
</page>
<page arvcontinue="20211115081320|361">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>379</id>
    <parentid>351</parentid>
    <timestamp>2022-01-12T15:58:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5205" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)


==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''François Lecomte''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (fév. 2021 - août. 2021)

* '''Sidaty El Hadramy''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (mai. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)


Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>8f35ad2a4370b7404a6ab3b768703b5c2bc6d49a</sha1>
  </revision>
  <revision>
    <id>380</id>
    <parentid>379</parentid>
    <timestamp>2022-01-12T16:02:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Associés */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5204" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''François Lecomte''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (fév. 2021 - août. 2021)

* '''Sidaty El Hadramy''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (mai. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)


Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>3f4bab11ecd82f118225c9d7d37cfc78bdfa66a9</sha1>
  </revision>
  <revision>
    <id>381</id>
    <parentid>380</parentid>
    <timestamp>2022-01-12T16:02:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5069" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)


* '''Sidaty El Hadramy''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (mai. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)


Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>37ad0441216f933d07247f30ce737ef3ef46a9a5</sha1>
  </revision>
  <revision>
    <id>382</id>
    <parentid>381</parentid>
    <timestamp>2022-01-12T16:02:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5172" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)


* '''Sidaty El Hadramy''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (mai. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)


Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>7c0dc468a98f159a4b7ef97fa9d87ca06c219bf8</sha1>
  </revision>
  <revision>
    <id>383</id>
    <parentid>382</parentid>
    <timestamp>2022-01-12T16:02:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5171" xml:space="preserve">
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''Sidaty El Hadramy''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (mai. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)


Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>ce76e39e187000c8507e8f21911a9b5e10cf8bea</sha1>
  </revision>
</page>
<page arvcontinue="20211115081320|361">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>384</id>
    <parentid>356</parentid>
    <timestamp>2022-01-14T13:14:55Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2243" xml:space="preserve">== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>f1f68fc19934014ff9e1cce422bfbbae47347759</sha1>
  </revision>
  <revision>
    <id>385</id>
    <parentid>384</parentid>
    <timestamp>2022-01-14T13:15:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2254" xml:space="preserve">== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>4ddb1e3fea0c828bab5947da034d2351d76bde3e</sha1>
  </revision>
</page>
<page arvcontinue="20211115081320|361">
  <title>Actualités</title>
  <ns>0</ns>
  <id>10</id>
  <revision>
    <id>392</id>
    <parentid>332</parentid>
    <timestamp>2022-02-07T13:16:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="973" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté.
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.</text>
    <sha1>a1a06495d126d0c1bd5dee0081d4b1a14d93854b</sha1>
  </revision>
  <revision>
    <id>408</id>
    <parentid>392</parentid>
    <timestamp>2022-04-04T09:16:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1114" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté.
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous visitent.</text>
    <sha1>f8db1cf4a43e012040aa7866290edb0ddcbe0d63</sha1>
  </revision>
  <revision>
    <id>409</id>
    <parentid>408</parentid>
    <timestamp>2022-04-04T10:22:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1121" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté.
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.</text>
    <sha1>a161f77aad0f15f08fd66dd451ba823bc0d06937</sha1>
  </revision>
  <revision>
    <id>410</id>
    <parentid>409</parentid>
    <timestamp>2022-04-04T10:23:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1206" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté.
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.</text>
    <sha1>3d9a3b133b402cfaaae49eaec177a6287c80b965</sha1>
  </revision>
</page>
<page arvcontinue="20211115081320|361">
  <title>Presentation</title>
  <ns>0</ns>
  <id>23</id>
  <revision>
    <id>399</id>
    <parentid>276</parentid>
    <timestamp>2022-02-14T13:14:25Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Objectifs de recherche */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3188" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspect modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>fe98974f2441b151a82eb11d88e3de89dddd12ef</sha1>
  </revision>
  <revision>
    <id>400</id>
    <parentid>399</parentid>
    <timestamp>2022-02-15T13:30:31Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Modélisation dérivée par les données */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3189" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>0ceaa048fbf6289c63de2a86786b27367271d717</sha1>
  </revision>
</page>
<page arvcontinue="20220405100936|411">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>411</id>
    <parentid>407</parentid>
    <timestamp>2022-04-05T10:09:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="33587" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu et Mouad Harrouz à 11h


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==

* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>03acfa85c11d058a7de43c86a32141ce0695ba67</sha1>
  </revision>
  <revision>
    <id>412</id>
    <parentid>411</parentid>
    <timestamp>2022-04-05T13:05:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="33589" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu et Mouad Harrouz à 11h


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>2746ee9b97f9bc5ec14739e36ad0dbee4d7c6e77</sha1>
  </revision>
  <revision>
    <id>413</id>
    <parentid>412</parentid>
    <timestamp>2022-04-18T14:10:49Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="34344" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu et Mouad Harrouz à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."*


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>0bc87b7250a2cb5576647a3fade1d832c01bca5d</sha1>
  </revision>
  <revision>
    <id>421</id>
    <parentid>413</parentid>
    <timestamp>2022-05-03T09:09:15Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="34406" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu et Mouad Harrouz à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."*


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h

==Séminaires / réunions passés==


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>0d080f15e41e47589a10ac798153b7c8f7949cb8</sha1>
  </revision>
  <revision>
    <id>422</id>
    <parentid>421</parentid>
    <timestamp>2022-05-03T09:16:26Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="34403" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mar 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h

==Séminaires / réunions passés==

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu et Mouad Harrouz à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."*


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>25ac5a64b40e030c778f71842bc8b16f6871f4ff</sha1>
  </revision>
  <revision>
    <id>423</id>
    <parentid>422</parentid>
    <timestamp>2022-05-03T09:52:56Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="34428" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mar 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : exposé de Diwei Wang et réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h

==Séminaires / réunions passés==

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu et Mouad Harrouz à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."*


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>b302b4d0db7dda15f1cbfd8201f145118816cd31</sha1>
  </revision>
  <revision>
    <id>424</id>
    <parentid>423</parentid>
    <timestamp>2022-05-03T09:54:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Séminaires / réunions passés */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="34411" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mar 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : exposé de Diwei Wang et réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h

==Séminaires / réunions passés==

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."*


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>46b55f7da8e2f2f2ccdf29980274e0b102d936cb</sha1>
  </revision>
  <revision>
    <id>425</id>
    <parentid>424</parentid>
    <timestamp>2022-05-16T11:13:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="35191" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : exposé de Diwei Wang et réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h

==Séminaires / réunions passés==

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>9c2b9e55156ea956ca4ccfc108b2e1f459fbdea0</sha1>
  </revision>
  <revision>
    <id>426</id>
    <parentid>425</parentid>
    <timestamp>2022-05-23T11:14:33Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="35967" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : exposé de Diwei Wang et réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h

==Séminaires / réunions passés==

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>fd0b9e769ab17306020540c53e2bc677d73394a3</sha1>
  </revision>
  <revision>
    <id>427</id>
    <parentid>426</parentid>
    <timestamp>2022-05-23T11:15:52Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="35967" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi  14 juin 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : exposé de Diwei Wang et réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h

==Séminaires / réunions passés==

* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>56a851446370e7ff92af52e86e88f9af656c33d1</sha1>
  </revision>
  <revision>
    <id>428</id>
    <parentid>427</parentid>
    <timestamp>2022-06-09T12:11:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="35917" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>657469989b4d1f2305576ebf2f5263187300a686</sha1>
  </revision>
  <revision>
    <id>429</id>
    <parentid>428</parentid>
    <timestamp>2022-06-10T19:33:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="37000" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>5092b3c4cb42c7b3eaf09cc384ddde433818d8bb</sha1>
  </revision>
  <revision>
    <id>432</id>
    <parentid>429</parentid>
    <timestamp>2022-07-02T13:48:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="36999" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==

* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>45aecc065fb1f53c63bce716facc13355d7dca98</sha1>
  </revision>
  <revision>
    <id>433</id>
    <parentid>432</parentid>
    <timestamp>2022-07-11T11:33:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="38391" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions parmanents à 10h : 15 février 2022, 8 mars 2022, 5 avril 2022, 3 mai 2022, 14 juin 2022, 5 juillet 2022.

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi 19 juillet 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==

* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>7257b5ef48ef1208f96f913166d6ca8f76ace9a1</sha1>
  </revision>
  <revision>
    <id>434</id>
    <parentid>433</parentid>
    <timestamp>2022-09-06T08:30:35Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="38894" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions permanents à 10h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 13 septembre 2022 : réunion d'équipe à 11h

* mardi 27 septembre 2022 : réunion d'équipe à 11h

* mardi 11 octobre 2022 : réunion d'équipe à 11h

* mardi 25 octobre 2022 : réunion d'équipe à 11h

* mardi 8 novembre 2022 : réunion d'équipe à 11h

* mardi 22 novembre 2022 : réunion d'équipe à 11h

* mardi 13 décembre 2022 : réunion d'équipe à 11h

* mardi 27 décembre 2022 : réunion d'équipe à 11h


==Séminaires / réunions passés==

* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>8bdf27dad769ab59cd3cd02e078b5024af1df92c</sha1>
  </revision>
  <revision>
    <id>435</id>
    <parentid>434</parentid>
    <timestamp>2022-09-06T08:32:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="38893" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi matin en salle de IASO à l'IHU. 

Suivant les semaines nous pouvons avoir réunion des permanents à 10h, réunion d'équipes à 10h30 et un exposé à 11h.

Date des réunions permanents à 10h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 13 septembre 2022 : réunion d'équipe à 11h

* mardi 27 septembre 2022 : réunion d'équipe à 11h

* mardi 11 octobre 2022 : réunion d'équipe à 11h

* mardi 25 octobre 2022 : réunion d'équipe à 11h

* mardi 8 novembre 2022 : réunion d'équipe à 11h

* mardi 22 novembre 2022 : réunion d'équipe à 11h

* mardi 13 décembre 2022 : réunion d'équipe à 11h

* mardi 27 décembre 2022 : pas de réunion d'équipe

==Séminaires / réunions passés==

* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>ef852faa8f7b791187fc5f759a09f4ef21404303</sha1>
  </revision>
  <revision>
    <id>436</id>
    <parentid>435</parentid>
    <timestamp>2022-09-06T08:50:16Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="38770" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 13 septembre 2022 : réunion d'équipe à 11h

* mardi 27 septembre 2022 : réunion d'équipe à 11h

* mardi 11 octobre 2022 : réunion d'équipe à 11h

* mardi 25 octobre 2022 : réunion d'équipe à 11h

* mardi 8 novembre 2022 : réunion d'équipe à 11h

* mardi 22 novembre 2022 : réunion d'équipe à 11h

* mardi 13 décembre 2022 : réunion d'équipe à 11h

* mardi 27 décembre 2022 : pas de réunion d'équipe

==Séminaires / réunions passés==

* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>81e5685be457bd458436a6c76d534972e4802411</sha1>
  </revision>
  <revision>
    <id>437</id>
    <parentid>436</parentid>
    <timestamp>2022-09-26T15:19:49Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="40364" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 11 octobre 2022 : réunion d'équipe à 11h

* mardi 25 octobre 2022 : réunion d'équipe à 11h

* mardi 8 novembre 2022 : réunion d'équipe à 11h

* mardi 22 novembre 2022 : réunion d'équipe à 11h

* mardi 13 décembre 2022 : réunion d'équipe à 11h

* mardi 27 décembre 2022 : pas de réunion d'équipe

==Séminaires / réunions passés==

* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Title:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>a69fcf04d602a254e62206aefe2263a5778b8950</sha1>
  </revision>
  <revision>
    <id>438</id>
    <parentid>437</parentid>
    <timestamp>2022-09-26T15:20:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="40365" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Title:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 11 octobre 2022 : réunion d'équipe à 11h

* mardi 25 octobre 2022 : réunion d'équipe à 11h

* mardi 8 novembre 2022 : réunion d'équipe à 11h

* mardi 22 novembre 2022 : réunion d'équipe à 11h

* mardi 13 décembre 2022 : réunion d'équipe à 11h

* mardi 27 décembre 2022 : pas de réunion d'équipe


==Séminaires / réunions passés==

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>7a05228346627f02e3fbfd595e9f68ee395c1d5a</sha1>
  </revision>
  <revision>
    <id>439</id>
    <parentid>438</parentid>
    <timestamp>2022-10-18T10:01:38Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="40492" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 25 octobre 2022 : réunion d'équipe à 11h

* mardi 8 novembre 2022 : réunion d'équipe à 11h

* mardi 22 novembre 2022 : réunion d'équipe à 11h

* mardi 13 décembre 2022 : réunion d'équipe à 11h

* mardi 27 décembre 2022 : pas de réunion d'équipe


==Séminaires / réunions passés==


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Title:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>a9992fe2be5d15612188c7d942d05a97cbadb44b</sha1>
  </revision>
  <revision>
    <id>444</id>
    <parentid>439</parentid>
    <timestamp>2022-11-08T08:01:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="40583" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 22 novembre 2022 : réunion d'équipe à 11h

* mardi 13 décembre 2022 : réunion d'équipe à 11h

* mardi 27 décembre 2022 : pas de réunion d'équipe


==Séminaires / réunions passés==


* mardi 25 octobre 2022 : réunion d'équipe à 11h

* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>9e903b4f31832e9bdb714755c90c779dc8ab01b0</sha1>
  </revision>
  <revision>
    <id>447</id>
    <parentid>444</parentid>
    <timestamp>2022-12-03T19:07:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="42338" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* mardi 13 décembre 2022 : réunion d'équipe à 11h

* mardi 27 décembre 2022 : pas de réunion d'équipe

* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


==Séminaires / réunions passés==

* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>f919d1b6ece9424ad4216d757832a7a2b97e861e</sha1>
  </revision>
  <revision>
    <id>449</id>
    <parentid>447</parentid>
    <timestamp>2023-01-06T09:30:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="42394" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


==Séminaires / réunions passés==

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>d2cd23c878d5fb9406d20bd8aaa3e586841e7408</sha1>
  </revision>
</page>
<page arvcontinue="20220405100936|411">
  <title>Actualités</title>
  <ns>0</ns>
  <id>10</id>
  <revision>
    <id>414</id>
    <parentid>410</parentid>
    <timestamp>2022-05-02T10:01:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1571" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
             
* Avril 2022: Projet DRIVER (prématuration au CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
              Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)</text>
    <sha1>737a044235e96f9a0dd017f0734b9ca301afeb21</sha1>
  </revision>
  <revision>
    <id>415</id>
    <parentid>414</parentid>
    <timestamp>2022-05-02T10:01:55Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1557" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration au CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
              Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)</text>
    <sha1>22924168fdf01676d5c4c1d0e43b57e3828792ca</sha1>
  </revision>
  <revision>
    <id>416</id>
    <parentid>415</parentid>
    <timestamp>2022-05-02T10:02:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1557" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration au CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)</text>
    <sha1>6af986687cd3a4cc8bee091c3bf41b1fc923e170</sha1>
  </revision>
  <revision>
    <id>417</id>
    <parentid>416</parentid>
    <timestamp>2022-05-02T10:04:42Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1757" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration au CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud.</text>
    <sha1>21fd111e20bfff07c1fe2245c9baf99cdde0ca15</sha1>
  </revision>
  <revision>
    <id>418</id>
    <parentid>417</parentid>
    <timestamp>2022-05-02T10:05:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1861" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration au CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveaux entrants de l'ICube. Merci Ziqiu et Guillaumem!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud.</text>
    <sha1>0a8231744a04b63a05335f84cbcb1764280586dd</sha1>
  </revision>
  <revision>
    <id>419</id>
    <parentid>418</parentid>
    <timestamp>2022-05-02T11:45:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1900" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration au CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud.</text>
    <sha1>8c0729f9ff557a9077445cc5e683756a5fa30ee7</sha1>
  </revision>
  <revision>
    <id>420</id>
    <parentid>419</parentid>
    <timestamp>2022-05-02T12:01:06Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1900" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud.</text>
    <sha1>db097472e389fe71a130d388bda07ff1d05b661f</sha1>
  </revision>
  <revision>
    <id>450</id>
    <parentid>420</parentid>
    <timestamp>2023-01-06T11:05:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2438" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud.

* Decembre 2022: Guillaume 
- Springer Handbook of Augmented Reality just published (with a book chapter from Nazim and me)
- Ph.D. defense of Guillaume on Dec 13th
- MIMESIS team evaluation (on Inria's side) went very well, and the team is officially reconducted for another 4 years. 

* Janvier 2023: Vincent ??(IR 2ans INRIA, sur le traitement d'image chirurgie en collaboration avec un hôpital Paris), Pablo ALBEREZ (postdoc 18M INRIA), et Vanessa Llieras (MdC Univ. Montpellier, délégation de 6 mois) nous rejoignent. Welcome!
*</text>
    <sha1>2229c25e12e4335b598d9b7c96fca293811671eb</sha1>
  </revision>
  <revision>
    <id>451</id>
    <parentid>450</parentid>
    <timestamp>2023-01-06T11:12:39Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2562" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud.

* Decembre 2022: 
- La thèse de Guillaume Mestdagh est soutenue (13th).
- Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

* Janvier 2023: 
- Vincent ?? (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Welcome!
- Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
- L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.</text>
    <sha1>b59d95257e67b88907455a62ad4f8cb89626d839</sha1>
  </revision>
  <revision>
    <id>452</id>
    <parentid>451</parentid>
    <timestamp>2023-01-06T11:13:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2563" xml:space="preserve">* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud.

* Decembre 2022: 
- La thèse de Guillaume Mestdagh est soutenue (13th).

- Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

* Janvier 2023: 
- Vincent ?? (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Welcome!
- Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
- L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.</text>
    <sha1>c423926d22fe90fe03f931aac86854e8bf0043da</sha1>
  </revision>
  <revision>
    <id>453</id>
    <parentid>452</parentid>
    <timestamp>2023-01-06T11:16:48Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2695" xml:space="preserve">&lt; !--
* 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud.
--&gt;

* Decembre 2022: 
- La thèse de Guillaume Mestdagh est soutenue (13th).

- Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

* Janvier 2023: 
- Vincent ?? (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.

- Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)

- L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.</text>
    <sha1>ef5a9b7a258b17efb39130d96b0b891aef48e405</sha1>
  </revision>
  <revision>
    <id>454</id>
    <parentid>453</parentid>
    <timestamp>2023-01-06T11:17:35Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2695" xml:space="preserve">&lt; !-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

* Decembre 2022: 
- La thèse de Guillaume Mestdagh est soutenue (13th).

- Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

* Janvier 2023: 
- Vincent ?? (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.

- Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)

- L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.</text>
    <sha1>ed7c97c18a944441b7284e21d76125b79b3f43e7</sha1>
  </revision>
  <revision>
    <id>455</id>
    <parentid>454</parentid>
    <timestamp>2023-01-06T11:17:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2694" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

* Decembre 2022: 
- La thèse de Guillaume Mestdagh est soutenue (13th).

- Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

* Janvier 2023: 
- Vincent ?? (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.

- Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)

- L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.</text>
    <sha1>b3fb48c55df1dbc165941aa56be950c31bcef7bf</sha1>
  </revision>
  <revision>
    <id>456</id>
    <parentid>455</parentid>
    <timestamp>2023-01-06T11:18:52Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2685" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

December 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

Janvier 2023: 
* Vincent ?? (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.</text>
    <sha1>fdf77358cb955c5cace7f344846a2587932a7074</sha1>
  </revision>
  <revision>
    <id>457</id>
    <parentid>456</parentid>
    <timestamp>2023-01-09T12:37:56Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2691" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

December 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.</text>
    <sha1>e5a6f589a4fc203765b2b979bca8980678656629</sha1>
  </revision>
</page>
<page arvcontinue="20220405100936|411">
  <title>Fichier:Team photo.jpg</title>
  <ns>6</ns>
  <id>41</id>
  <revision>
    <id>430</id>
    <timestamp>2022-06-27T09:36:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="15" xml:space="preserve">MLMS team photo</text>
    <sha1>0a8ba16b99050f4c9850922aa7ce4f60650d1f84</sha1>
  </revision>
</page>
<page arvcontinue="20220405100936|411">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>431</id>
    <parentid>383</parentid>
    <timestamp>2022-06-27T09:41:10Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5212" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* [https://mimesis.inria.fr/speaker/remi-bessard-duparc/ '''Rémi Bessard Duparc'''], ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria [https://mimesis.inria.fr/ MIMESIS] (jan.-déc. 2021)

* [http://www.jndb.ca '''Jean-Nicolas Brunet'''] Ingénieur de recherche Inria (ADT) (oct. 2020 - mai 2021)

* '''Pedro Suruagy Perrusi''' Ingénieur de recherche universitaire ITA BIATS financé par le projet ANR SPERRY porté par Hadrien Courtecuisse (sept. 2020 - sept. 2021)

* '''Sidaty El Hadramy''' Ingénieur Inria pré-thèse encadré par Stéphane Cotin (contrat pré-doctoral) (mai. 2021 - août. 2021)

==Doctorants==
Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)


Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>fa2104bb4b95daf89a13f1e718f51cd00d946d96</sha1>
  </revision>
</page>
<page arvcontinue="20220405100936|411">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>440</id>
    <parentid>385</parentid>
    <timestamp>2022-10-26T13:34:40Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2500" xml:space="preserve">
== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2023.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>2ee306a57aad57c09ef9d67a5468fe6035c5e3b4</sha1>
  </revision>
  <revision>
    <id>441</id>
    <parentid>440</parentid>
    <timestamp>2022-10-27T09:01:53Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2515" xml:space="preserve">
== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan) ==
[ttp://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>bccd6464c9e84fc4f3f090874cb9ca3b36700ffa</sha1>
  </revision>
  <revision>
    <id>442</id>
    <parentid>441</parentid>
    <timestamp>2022-10-27T09:02:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2516" xml:space="preserve">
== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>2b46580cceb757a8caeae0ac9b23263e5cec487c</sha1>
  </revision>
  <revision>
    <id>443</id>
    <parentid>442</parentid>
    <timestamp>2022-10-27T09:02:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2521" xml:space="preserve">
== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>ae2e5294460846b6e6c2bc0f4a5aab3a84daf2f7</sha1>
  </revision>
  <revision>
    <id>445</id>
    <parentid>443</parentid>
    <timestamp>2022-12-01T20:50:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2742" xml:space="preserve">
== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »].

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>0f1b050c0d36661d8a7e0276fefa639b0fac6bad</sha1>
  </revision>
  <revision>
    <id>446</id>
    <parentid>445</parentid>
    <timestamp>2022-12-01T20:50:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2743" xml:space="preserve">
== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »].

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>0ef13bac67f07a094a22852473f620de2c35189d</sha1>
  </revision>
  <revision>
    <id>448</id>
    <parentid>446</parentid>
    <timestamp>2022-12-29T16:14:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2972" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »].

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>fa684159fed54968692083e8e68710f1b5fe5d1c</sha1>
  </revision>
  <revision>
    <id>458</id>
    <parentid>448</parentid>
    <timestamp>2023-01-11T15:37:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3323" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Thèses pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; relié au sujet de thèse ci-dessus.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; relié au sujet de thèse ci-dessus.
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>d4c883a699fde8c64752ad34f1762f440c2f52d6</sha1>
  </revision>
  <revision>
    <id>459</id>
    <parentid>458</parentid>
    <timestamp>2023-01-11T15:37:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Thèses pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3319" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; relié au sujet de thèse ci-dessus.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; relié au sujet de thèse ci-dessus.
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>ad20d52fc69efc07b090e8ab0e8dc8dc4559e1bf</sha1>
  </revision>
  <revision>
    <id>460</id>
    <parentid>459</parentid>
    <timestamp>2023-01-11T15:37:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3261" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; relié au sujet de thèse ci-dessus.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; relié au sujet de thèse ci-dessus.
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>7cd421f829af970afba04fb734734f4af12fa14e</sha1>
  </revision>
</page>
<page arvcontinue="20230111153823|461">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>461</id>
    <parentid>460</parentid>
    <timestamp>2023-01-11T15:38:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3262" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; relié au sujet de thèse ci-dessus.
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>1eb673509f476d894d9d8a2d1cb1082e3c6347f0</sha1>
  </revision>
  <revision>
    <id>462</id>
    <parentid>461</parentid>
    <timestamp>2023-01-11T15:38:38Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3262" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; Relié au sujet de thèse ci-dessus.
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>18410ee4d3c3c9093dc9d7606962c231145121e1</sha1>
  </revision>
  <revision>
    <id>463</id>
    <parentid>462</parentid>
    <timestamp>2023-01-11T15:39:41Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3428" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; Relié au sujet de thèse ci-dessus.
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>67d01c2b828a06bc3bc26c5d97f85c8393a9f503</sha1>
  </revision>
  <revision>
    <id>464</id>
    <parentid>463</parentid>
    <timestamp>2023-01-11T15:40:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3438" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Video_du_marche.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire].
=&gt; Relié au sujet de thèse ci-dessus.
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>9f06cdfc404522ba28adb080bc42bea01cb81549</sha1>
  </revision>
  <revision>
    <id>465</id>
    <parentid>464</parentid>
    <timestamp>2023-01-19T12:01:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3448" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire].
=&gt; Relié au sujet de thèse ci-dessus.
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>05083cecbbc0b64d1accf0819f135e3afc464a0b</sha1>
  </revision>
  <revision>
    <id>466</id>
    <parentid>465</parentid>
    <timestamp>2023-01-19T12:02:40Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3408" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire].
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>78ea13680da9f016e59367294ed3f1aa49d48982</sha1>
  </revision>
  <revision>
    <id>467</id>
    <parentid>466</parentid>
    <timestamp>2023-01-19T12:02:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3409" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>aa44486fa4766019cbe5367780ff4e37fa857677</sha1>
  </revision>
  <revision>
    <id>477</id>
    <parentid>467</parentid>
    <timestamp>2023-02-01T13:08:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3448" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf ]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf 4D Human Action Diffusion Model].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>8766f83317b423d7f3d0f9af15616327f8641846</sha1>
  </revision>
  <revision>
    <id>478</id>
    <parentid>477</parentid>
    <timestamp>2023-02-01T13:09:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3566" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Modélisation humaine 4D pour la cognition humaine dans le monde réel par des robots soignants pour personnes âgées].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>8da47a96ece8d1e43395aee753658f30c04ce34b</sha1>
  </revision>
  <revision>
    <id>479</id>
    <parentid>478</parentid>
    <timestamp>2023-02-01T13:12:11Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3533" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>44f629b38d52a5a066c0d046380c23aa6cde6d99</sha1>
  </revision>
  <revision>
    <id>481</id>
    <parentid>479</parentid>
    <timestamp>2023-02-05T12:59:26Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 25 jan 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3532" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>e30317f782e82d9497fe71805b53341a9a60cba7</sha1>
  </revision>
  <revision>
    <id>495</id>
    <parentid>481</parentid>
    <timestamp>2023-02-13T10:53:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3627" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.
[Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>bbd55874cd0e29cf647a334f06e935dee1c389a0</sha1>
  </revision>
  <revision>
    <id>497</id>
    <parentid>495</parentid>
    <timestamp>2023-02-13T10:56:29Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3663" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[Fichier:Description of subject.pdf Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>9dc58a0666a5014ac97c5e5d9c51ab8a7a2a52d2</sha1>
  </revision>
  <revision>
    <id>498</id>
    <parentid>497</parentid>
    <timestamp>2023-02-13T10:57:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3665" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Fichier:Description of subject.pdf Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>de13ecb177447c5aaedaec14ff6cf18e05188a06</sha1>
  </revision>
  <revision>
    <id>499</id>
    <parentid>498</parentid>
    <timestamp>2023-02-13T11:56:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3728" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[http://mimesis.inria.fr/wp-content/uploads/2022/06/Description_of_subject.pdf Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients] proposed by Axel Hutt

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>a9ee6b64eb64598f2f54e81342fa0f0eb94daf28</sha1>
  </revision>
  <revision>
    <id>500</id>
    <parentid>499</parentid>
    <timestamp>2023-02-13T11:58:07Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3768" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[http://mimesis.inria.fr/wp-content/uploads/2022/06/Description_of_subject.pdf Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>754e8b01bca81b0e89951f86f9615d2ef915161f</sha1>
  </revision>
  <revision>
    <id>502</id>
    <parentid>500</parentid>
    <timestamp>2023-02-13T12:10:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3726" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire].

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>6d7fe7d4c795c359a473a266497c5b3390bf7165</sha1>
  </revision>
  <revision>
    <id>509</id>
    <parentid>502</parentid>
    <timestamp>2023-02-15T15:48:42Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3737" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>2dfa01d2bdbb06e411f728962f9cff49ffc7907f</sha1>
  </revision>
</page>
<page arvcontinue="20230111153823|461">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>468</id>
    <parentid>449</parentid>
    <timestamp>2023-01-27T14:57:43Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="44321" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Tuesday 31 January 2023 : Presentation of Yu Boyang of 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.

* Tuesday 14 February 2023

* Tuesday 28 February 2023

* Tuesday 14 March 2023

* Tuesday 28 March 2023

* Tuesday 11 April 2023

* Tuesday 25 April 2023

* Tuesday 9 May 2023

* Tuesday 23 May 2023

* Tuesday 6 June 2023

* Tuesday 20 June 2023

* Tuesday 4 July 2023

* Tuesday 18 July 2023

* Tuesday 1st August 2023

* Tuesday 15 August 2023

* Tuesday 29 August 2023


==Séminaires / réunions passés==

* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>2d1d079c84f4f9a3c9021347a69a0ffbf6d4f01c</sha1>
  </revision>
  <revision>
    <id>469</id>
    <parentid>468</parentid>
    <timestamp>2023-01-27T15:00:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="44291" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 31 janvier 2023 : Présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.

* Mardi 14 février 2023

* Mardi 28 février 2023

* Mardi 14 mars 2023

* Mardi 28 mars 2023

* Mardi 11 avril 2023

* Mardi 25 avril 2023

* Mardi 9 mai 2023

* Mardi 23 mai 2023

* Mardi 6 juin 2023

* Mardi 20 juin 2023

* Mardi 4 juillet 2023

* Mardi 18 juillet 2023

* Mardi 1st août 2023

* Mardi 15 août 2023

* Mardi 29 août 2023


==Séminaires / réunions passés==

* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>29dc2ae2a5185a520458967af1217ea943e58195</sha1>
  </revision>
  <revision>
    <id>470</id>
    <parentid>469</parentid>
    <timestamp>2023-01-27T15:06:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="44324" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 31 janvier 2023 : Présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.

* Mardi 14 février 2023 : Présentation de Pablo Alvarez

* Mardi 28 février 2023

* Mardi 14 mars 2023

* Mardi 28 mars 2023

* Mardi 11 avril 2023

* Mardi 25 avril 2023

* Mardi 9 mai 2023

* Mardi 23 mai 2023

* Mardi 6 juin 2023

* Mardi 20 juin 2023

* Mardi 4 juillet 2023

* Mardi 18 juillet 2023

* Mardi 1st août 2023

* Mardi 15 août 2023

* Mardi 29 août 2023


==Séminaires / réunions passés==

* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>5c12cc3c3d87581e32f4d80f595d6bdd1f86c797</sha1>
  </revision>
  <revision>
    <id>471</id>
    <parentid>470</parentid>
    <timestamp>2023-01-27T15:13:17Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="44301" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 31 janvier 2023 : Présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.

* Mardi 14 février 2023 : Présentation de Pablo Alvarez

* Mardi 28 février 2023

* Mardi 14 mars 2023

* Mardi 28 mars 2023

* Mardi 11 avril 2023

* Mardi 25 avril 2023

* Mardi 9 mai 2023

* Mardi 23 mai 2023

* Mardi 13 juin 2023

* Mardi 27 juin 2023

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023


==Séminaires / réunions passés==

* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>b6d40809fbeb30c51411ff4ec6cd54924140d085</sha1>
  </revision>
  <revision>
    <id>472</id>
    <parentid>471</parentid>
    <timestamp>2023-01-29T14:21:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="44338" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

* Mardi 14 février 2023 : Présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.

* Mardi 28 février 2023

* Mardi 14 mars 2023

* Mardi 28 mars 2023

* Mardi 11 avril 2023

* Mardi 25 avril 2023

* Mardi 9 mai 2023 : Présentation de Vladimir Poliakov

* Mardi 23 mai 2023

* Mardi 13 juin 2023

* Mardi 27 juin 2023

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023


==Séminaires / réunions passés==

* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>794ab5c766e90eb75ce63ca8ce35e6884407cae9</sha1>
  </revision>
  <revision>
    <id>476</id>
    <parentid>472</parentid>
    <timestamp>2023-01-30T10:24:02Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="45206" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* Mardi 14 février 2023 : Présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.

* Mardi 28 février 2023

* Mardi 14 mars 2023

* Mardi 28 mars 2023

* Mardi 11 avril 2023

* Mardi 25 avril 2023

* Mardi 9 mai 2023 : Présentation de Vladimir Poliakov

* Mardi 23 mai 2023

* Mardi 13 juin 2023

* Mardi 27 juin 2023

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023


==Séminaires / réunions passés==

* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>d9e1ee299628e867390877a794b7c209e0d92073</sha1>
  </revision>
  <revision>
    <id>480</id>
    <parentid>476</parentid>
    <timestamp>2023-02-03T14:52:17Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="45266" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* Mardi 14 février 2023 : Présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.

* Mardi 21 février 2023 : Préentation de Guillaume Noyel

* Mardi 28 février 2023

* Mardi 14 mars 2023

* Mardi 28 mars 2023

* Mardi 11 avril 2023

* Mardi 25 avril 2023

* Mardi 9 mai 2023 : Présentation de Vladimir Poliakov

* Mardi 23 mai 2023

* Mardi 13 juin 2023

* Mardi 27 juin 2023

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023


==Séminaires / réunions passés==

* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>a6342b109ccf8533b9861f09e5880797fbcfa167</sha1>
  </revision>
  <revision>
    <id>510</id>
    <parentid>480</parentid>
    <timestamp>2023-03-13T20:51:39Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="45298" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"

* Mardi 28 mars 2023

* Mardi 11 avril 2023

* Mardi 25 avril 2023

* Mardi 9 mai 2023 : Présentation de Vladimir Poliakov

* Mardi 23 mai 2023

* Mardi 13 juin 2023

* Mardi 27 juin 2023

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023


==Séminaires / réunions passés==

* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>c81e26a9c8d9e97b201e110315e944292752878e</sha1>
  </revision>
</page>
<page arvcontinue="20230111153823|461">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>473</id>
    <parentid>431</parentid>
    <timestamp>2023-01-29T18:00:10Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4821" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [https://mimesis.inria.fr/speaker/andrea-mendizabal/ '''Andrea Mendizabal'''] post. doc au Centre Hépato-Biliaire de l'hôpital Paul Brousse à Paris (Nov. 2020 - Fév. 2021)

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.linkedin.com/in/guillaumeparan/en '''Guillaume Paran '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://fr.linkedin.com/in/fredroy '''Frederick Roy '''], ingénieur de recherche Inria chez [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

* [https://www.researchgate.net/profile/Rongrong_Liu5 '''Rongrong Liu'''] supervisée par Birgitta Dresp-Langley financée par le projet IDEX Unistra "Human grip force profiling for studying image-guided precision task learning" (oct. 2020 - sept. 2021)

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)


==Doctorants==

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>e4c3f63b16c63424227bc5fdbbc2193234117880</sha1>
  </revision>
  <revision>
    <id>474</id>
    <parentid>473</parentid>
    <timestamp>2023-01-29T18:00:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Associés */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4032" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)


==Doctorants==

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - ...)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>33ba4d19b0b9cb387fbcfc82c61d266332e0cc23</sha1>
  </revision>
  <revision>
    <id>475</id>
    <parentid>474</parentid>
    <timestamp>2023-01-29T18:01:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4039" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).

* [https://www.researchgate.net/profile/Birgitta_Dresp2 '''Birgitta Dresp-Langley'''], Directrice de recherche CNRS (section CNU 16, sections CNRS 26 et 53).  
&lt;!--: Expert Group 'Artificial Intelligence and Consumer Safety'  
: European Commission Directorate General (DG-JUST)  
: Editorial Board 'Informatics in Medicine Unlocked' (Elsevier)  
: Editorial Board 'Information-Artificial Intelligence Section' (MDPI)  
: Associate Editor 'BMC Psychology' (Springer-Nature) --&gt;
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)


==Doctorants==

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>3f2c87323b95295bb5845341aa65ec06f9445171</sha1>
  </revision>
  <revision>
    <id>482</id>
    <parentid>475</parentid>
    <timestamp>2023-02-08T11:52:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3563" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)


==Doctorants==

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>2dbd20c2a438dc9856d83239ac22cdb5d07d2852</sha1>
  </revision>
</page>
<page arvcontinue="20230111153823|461">
  <title>Presentation</title>
  <ns>0</ns>
  <id>23</id>
  <revision>
    <id>483</id>
    <parentid>400</parentid>
    <timestamp>2023-02-13T09:16:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3576" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe inria NECTARINE sera créée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>9078e0f9ee01208faaf73065b6467f0319eed58e</sha1>
  </revision>
  <revision>
    <id>484</id>
    <parentid>483</parentid>
    <timestamp>2023-02-13T09:17:25Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Historique */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3583" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera créée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>00818bded06dbedd0109dfbe411914f8fd391a6a</sha1>
  </revision>
  <revision>
    <id>485</id>
    <parentid>484</parentid>
    <timestamp>2023-02-13T09:17:46Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Historique */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3581" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>15a9ae2651e38912fafcd7a9dd9a8c43c14650b0</sha1>
  </revision>
  <revision>
    <id>486</id>
    <parentid>485</parentid>
    <timestamp>2023-02-13T09:22:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Historique */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3622" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation.

[[Fichier:inria-logo.png|100|vignette]]

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>3d51b4d48b1610c59c2e2d7ec3e053e50c6b67b1</sha1>
  </revision>
  <revision>
    <id>488</id>
    <parentid>486</parentid>
    <timestamp>2023-02-13T09:24:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3664" xml:space="preserve">[[Fichier:Inria-logo.png|vignette|inria]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation.

[[Fichier:inria-logo.png|100|vignette]]

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>e7538341fc77cade9a6bc1426ee95147f125094b</sha1>
  </revision>
  <revision>
    <id>489</id>
    <parentid>488</parentid>
    <timestamp>2023-02-13T09:24:29Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3628" xml:space="preserve">[[Fichier:Inria-logo.png|100|vignette|inria]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation.


==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>6688b977bb08bc375da77e4d13139400fd2d9d13</sha1>
  </revision>
  <revision>
    <id>490</id>
    <parentid>489</parentid>
    <timestamp>2023-02-13T09:24:44Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3627" xml:space="preserve">[[Fichier:Inria-logo.png|50|vignette|inria]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation.


==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>1e59ecb833921bdeac9a328c5452f7f6b0f71339</sha1>
  </revision>
  <revision>
    <id>491</id>
    <parentid>490</parentid>
    <timestamp>2023-02-13T09:25:03Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3627" xml:space="preserve">[[Fichier:Inria-logo.png|10|vignette|inria]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation.


==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>c7eb699790f6f0d982ba6e11f309e7dad01bf5b3</sha1>
  </revision>
  <revision>
    <id>492</id>
    <parentid>491</parentid>
    <timestamp>2023-02-13T09:26:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Historique */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3626" xml:space="preserve">[[Fichier:Inria-logo.png|10|vignette|inria]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>7f13c379e9e5657036c9414809e97cd881991582</sha1>
  </revision>
  <revision>
    <id>493</id>
    <parentid>492</parentid>
    <timestamp>2023-02-13T09:54:06Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Historique */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3647" xml:space="preserve">[[Fichier:Inria-logo.png|10|vignette|inria]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Birgitta Dresp-Langley, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>e7e8daebcd011ed3aa9dafff529322542dac1a4e</sha1>
  </revision>
  <revision>
    <id>494</id>
    <parentid>493</parentid>
    <timestamp>2023-02-13T10:01:03Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Modélisation dérivée par les données */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3623" xml:space="preserve">[[Fichier:Inria-logo.png|10|vignette|inria]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>aaa01eb6d8e3ca0fb44dd15ee734d8e197e69943</sha1>
  </revision>
  <revision>
    <id>503</id>
    <parentid>494</parentid>
    <timestamp>2023-02-13T15:02:52Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3625" xml:space="preserve">[[Fichier:Inria-logo.png|10px|vignette|inria]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>ae2e90fbf107251794691a2d9db743a6ebfc2d1b</sha1>
  </revision>
  <revision>
    <id>504</id>
    <parentid>503</parentid>
    <timestamp>2023-02-13T15:04:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3690" xml:space="preserve">[[Fichier:Inria-logo.png|120px|vignette|L’Institut national de recherche en informatique et en automatique ]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>31172e0e38d2f0666ca2e926bc5f0a2a0f341f41</sha1>
  </revision>
  <revision>
    <id>505</id>
    <parentid>504</parentid>
    <timestamp>2023-02-13T15:04:53Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3681" xml:space="preserve">[[Fichier:Inria-logo.png|120px|L’Institut national de recherche en informatique et en automatique ]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>f9dae043d9e823d50850dc1a74092bd5a0afd0e4</sha1>
  </revision>
  <revision>
    <id>506</id>
    <parentid>505</parentid>
    <timestamp>2023-02-13T15:05:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3681" xml:space="preserve">==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.
[[Fichier:Inria-logo.png|120px|L’Institut national de recherche en informatique et en automatique ]]

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>0447876d8f2c23ed6719ad15dadf94875c0a181b</sha1>
  </revision>
  <revision>
    <id>507</id>
    <parentid>506</parentid>
    <timestamp>2023-02-13T15:05:53Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Historique */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3681" xml:space="preserve">[[Fichier:Inria-logo.png|120px|L’Institut national de recherche en informatique et en automatique ]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>f9dae043d9e823d50850dc1a74092bd5a0afd0e4</sha1>
  </revision>
  <revision>
    <id>508</id>
    <parentid>507</parentid>
    <timestamp>2023-02-13T15:06:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3687" xml:space="preserve">[[Fichier:Inria-logo.png|120px|thumb|L’Institut national de recherche en informatique et en automatique ]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>cfe3530083085688518bd89c18182ed5133c39c0</sha1>
  </revision>
</page>
<page arvcontinue="20230111153823|461">
  <title>Fichier:Inria-logo.png</title>
  <ns>6</ns>
  <id>42</id>
  <revision>
    <id>487</id>
    <timestamp>2023-02-13T09:23:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10" xml:space="preserve">inria-logo</text>
    <sha1>ec1c7a4d3ffd549aa869e8765f88b323d38457c3</sha1>
  </revision>
</page>
<page arvcontinue="20230111153823|461">
  <title>Fichier:Description of subject.pdf</title>
  <ns>6</ns>
  <id>43</id>
  <revision>
    <id>496</id>
    <timestamp>2023-02-13T10:54:56Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20230111153823|461">
  <title>Fichier:Descriptif du sujet.pdf</title>
  <ns>6</ns>
  <id>44</id>
  <revision>
    <id>501</id>
    <timestamp>2023-02-13T12:01:28Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3" xml:space="preserve">oui</text>
    <sha1>5898fc860300e228dcd54c0b1045b5fa0dcda502</sha1>
  </revision>
</page>
<page arvcontinue="20230314101726|511">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>511</id>
    <parentid>510</parentid>
    <timestamp>2023-03-14T10:17:26Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="45350" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"

* Mardi 21 mars 2023

* Mardi 28 mars 2023 : présentation de Elias Cueto

* Mardi 11 avril 2023

* Mardi 25 avril 2023

* Mardi 9 mai 2023 : Présentation de Vladimir Poliakov

* Mardi 23 mai 2023

* Mardi 13 juin 2023

* Mardi 27 juin 2023

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023

==Séminaires / réunions passés==

* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>1138de969a2cec58f3253fe35b3bf113a0bd738a</sha1>
  </revision>
  <revision>
    <id>512</id>
    <parentid>511</parentid>
    <timestamp>2023-03-15T10:41:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="46861" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"

* Mardi 21 mars 2023

* Mardi 28 mars 2023 : présentation de Elias Cueto

Titre : Thermodynamics-informed neural networks

Résumé : Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized.

* Mardi 11 avril 2023

* Mardi 25 avril 2023

* Mardi 9 mai 2023 : Présentation de Vladimir Poliakov

* Mardi 23 mai 2023

* Mardi 13 juin 2023

* Mardi 27 juin 2023

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023

==Séminaires / réunions passés==

* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>ba6150e2f1215cf215475ec6066cb8f7d6873fb8</sha1>
  </revision>
  <revision>
    <id>513</id>
    <parentid>512</parentid>
    <timestamp>2023-03-15T10:41:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="46875" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"

* Mardi 21 mars 2023

* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."

* Mardi 11 avril 2023

* Mardi 25 avril 2023

* Mardi 9 mai 2023 : Présentation de Vladimir Poliakov

* Mardi 23 mai 2023

* Mardi 13 juin 2023

* Mardi 27 juin 2023

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023

==Séminaires / réunions passés==

* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>d666f89d0ddd2251e76b60ca8728f9cef30c2281</sha1>
  </revision>
  <revision>
    <id>520</id>
    <parentid>513</parentid>
    <timestamp>2023-04-11T07:41:05Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="46878" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 11 avril 2023

* Mardi 25 avril 2023

* Mardi 9 mai 2023 : Présentation de Vladimir Poliakov

* Mardi 23 mai 2023

* Mardi 13 juin 2023

* Mardi 27 juin 2023

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023

==Séminaires / réunions passés==

* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>242cbd970cd72e00ee00f610b3aab84505fce64f</sha1>
  </revision>
  <revision>
    <id>527</id>
    <parentid>520</parentid>
    <timestamp>2023-04-25T17:08:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="46908" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 25 avril 2023

* Mardi 9 mai 2023 : Présentation de Vladimir Poliakov

* Mardi 23 mai 2023

* Mardi 13 juin 2023 : Présentation de Kiwon Um

* Mardi 27 juin 2023

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023


==Séminaires / réunions passés==

* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>e0ba67027356c664b366639da47a194c471e4e32</sha1>
  </revision>
  <revision>
    <id>528</id>
    <parentid>527</parentid>
    <timestamp>2023-05-12T13:09:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="46905" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* Mardi 23 mai 2023

* Mardi 13 juin 2023 : Présentation de Kiwon Um

* Mardi 27 juin 2023 : Présentation de Thomas Wahl

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023


==Séminaires / réunions passés==

* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>08dbec39c3f837baa922faeb75f02e2881d84156</sha1>
  </revision>
  <revision>
    <id>544</id>
    <parentid>528</parentid>
    <timestamp>2023-06-06T00:57:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="47651" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* Mardi 23 mai 2023

* Mardi 13 juin 2023 : Présentation de Kiwon Um

Titre : Machine Learning for Visual and Physical Realism

Résumé : Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors.

* Mardi 27 juin 2023 : Présentation de Thomas Wahl

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023


==Séminaires / réunions passés==

* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>f67be99259539ddc75dddded5f865996b2097ede</sha1>
  </revision>
  <revision>
    <id>545</id>
    <parentid>544</parentid>
    <timestamp>2023-06-06T00:58:15Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="47652" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* Mardi 13 juin 2023 : Présentation de Kiwon Um

Titre : Machine Learning for Visual and Physical Realism

Résumé : Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors.

* Mardi 27 juin 2023 : Présentation de Thomas Wahl

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023


==Séminaires / réunions passés==

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>ecfdd67174c62982d114564fba0bb9762a298020</sha1>
  </revision>
  <revision>
    <id>546</id>
    <parentid>545</parentid>
    <timestamp>2023-06-21T09:35:41Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="49010" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 27 juin 2023 : Présentation de Thomas Wahl

Titre : Closed-loop neurostimulation for the treatment of schizophrenia

Résumé : Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns.

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023


==Séminaires / réunions passés==

* Mardi 13 juin 2023 : Présentation de Kiwon Um

Titre : Machine Learning for Visual and Physical Realism

Résumé : Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors.


* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>963929545523b24a981a3ff7f0d02a01966f8ebf</sha1>
  </revision>
  <revision>
    <id>548</id>
    <parentid>546</parentid>
    <timestamp>2023-07-12T12:42:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="49072" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 25 Juillet 2023 : Présentation de Sidaty El hadramy

* Mardi 27 juin 2023 : Présentation de Thomas Wahl

Titre : Closed-loop neurostimulation for the treatment of schizophrenia

Résumé : Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns.

* Mardi 11 juillet 2023

* Mardi 25 juillet 2023

* Mardi 8 août 2023

* Mardi 22 août 2023


==Séminaires / réunions passés==

* Mardi 13 juin 2023 : Présentation de Kiwon Um

Titre : Machine Learning for Visual and Physical Realism

Résumé : Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors.


* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>e5258f958193c35adfe6f7e6b28daf6860a837a6</sha1>
  </revision>
  <revision>
    <id>549</id>
    <parentid>548</parentid>
    <timestamp>2023-09-14T09:42:34Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="50422" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 19 septemble 2023 : Présentation de Vladimir Poliakov

* Mardi 26 septemble 2023 : Présentation de Claire

* Mardi 3 octobre 2023 : Présentation de Sidaty El Hadramy

* Mardi 10 octobre 2023 : Présentation de Pablo Alvarez

* Mardi 17 octobre 2023 : Présentation de Diwei Wang

* Mardi 7 novembre 2023 : Présentation de Valentina Scarponi

* Mardi 14 novembre 2023 : Présentation de Boyang Yu


==Séminaires / réunions passés==

* Mardi 12 septemble 2023 : Présentation de François Leconte

Titre : Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents

Résumé : We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data.


* Mardi 27 juin 2023 : Présentation de Thomas Wahl

Titre : Closed-loop neurostimulation for the treatment of schizophrenia

Résumé : Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns.


* Mardi 13 juin 2023 : Présentation de Kiwon Um

Titre : Machine Learning for Visual and Physical Realism

Résumé : Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors.


* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>9ce5530c614994a32b9ce762ffb1219dc70d46f1</sha1>
  </revision>
  <revision>
    <id>550</id>
    <parentid>549</parentid>
    <timestamp>2023-09-14T09:43:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="50457" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de IASO à l'IHU. 

Date des réunions permanents à 11h : 6 septembre 2022, 4 octobre 2022 , 1er novembre 2022, 6 décembre 2022, 3 janvier 2023, 7 février 2023, 7 mars 2023, 4 avril 2023, 2 mai 2023,6 juin 2023

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 19 septemble 2023 : Présentation de Vladimir Poliakov

* Mardi 26 septemble 2023 : Présentation de Claire

* Mardi 3 octobre 2023 : Présentation de Sidaty El Hadramy

* Mardi 10 octobre 2023 : Présentation de Pablo Alvarez

* Mardi 17 octobre 2023 : Présentation de Diwei Wang

* Mardi 7 novembre 2023 : Présentation de Valentina Scarponi

* Mardi 14 novembre 2023 : Présentation de Boyang Yu


==Séminaires / réunions passés==

* Mardi 12 septemble 2023 : Présentation de François Leconte

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de Thomas Wahl

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

Résumé : Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns.


* Mardi 13 juin 2023 : Présentation de Kiwon Um

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>2e3e5c3384408264cd6f94f9628cdd9986c2285d</sha1>
  </revision>
  <revision>
    <id>551</id>
    <parentid>550</parentid>
    <timestamp>2023-09-14T09:49:25Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="50323" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 19 septemble 2023 : Présentation de Vladimir Poliakov

* Mardi 26 septemble 2023 : Présentation de Claire

* Mardi 3 octobre 2023 : Présentation de Sidaty El Hadramy

* Mardi 10 octobre 2023 : Présentation de Pablo Alvarez

* Mardi 17 octobre 2023 : Présentation de Diwei Wang

* Mardi 7 novembre 2023 : Présentation de Valentina Scarponi

* Mardi 14 novembre 2023 : Présentation de Boyang Yu


==Séminaires / réunions passés==

* Mardi 12 septemble 2023 : Présentation de François Leconte

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de Thomas Wahl

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de Kiwon Um

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>a6b918164f733092d0b04c51bd4f0d9454b0c805</sha1>
  </revision>
  <revision>
    <id>555</id>
    <parentid>551</parentid>
    <timestamp>2023-09-14T12:48:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="51432" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 19 septembre 2023 : Présentation de Vladimir Poliakov

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 26 septembre 2023 : Présentation de Claire

* Mardi 3 octobre 2023 : Présentation de Sidaty El Hadramy

* Mardi 10 octobre 2023 : Présentation de Pablo Alvarez

* Mardi 17 octobre 2023 : Présentation de Diwei Wang

* Mardi 7 novembre 2023 : Présentation de Valentina Scarponi

* Mardi 14 novembre 2023 : Présentation de Boyang Yu


==Séminaires / réunions passés==

* Mardi 12 septemble 2023 : Présentation de François Leconte

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de Thomas Wahl

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de Kiwon Um

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>deea60759032d07d64586b81505f93d1bda08f7e</sha1>
  </revision>
</page>
<page arvcontinue="20230314101726|511">
  <title>Fichier:Description of subject Postdoc23.pdf</title>
  <ns>6</ns>
  <id>45</id>
  <revision>
    <id>514</id>
    <timestamp>2023-03-27T16:02:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20230314101726|511">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>515</id>
    <parentid>509</parentid>
    <timestamp>2023-03-27T16:04:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3771" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>dfe9e841499ed36c8d0edb414e9da33e1efeebc9</sha1>
  </revision>
  <revision>
    <id>516</id>
    <parentid>515</parentid>
    <timestamp>2023-03-27T16:05:33Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3950" xml:space="preserve">== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>80205b57926a87cc7121104210d85794e576f5e1</sha1>
  </revision>
  <revision>
    <id>517</id>
    <parentid>516</parentid>
    <timestamp>2023-03-31T18:55:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4163" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Anonymisation de données 3D d'humains

== Stage pour les étudiants en licence pour l'année 2023 ==
* Construction d'une base de données d'humains habillés

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>23c800127a534da1156a26afb2b387fddf989462</sha1>
  </revision>
  <revision>
    <id>518</id>
    <parentid>517</parentid>
    <timestamp>2023-03-31T18:56:16Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage pour les étudiants en licence pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4223" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Anonymisation de données 3D d'humains

== Stage pour les étudiants en licence pour l'année 2023 ==
* Construction d'une base de données d'humains habillés
* Construction d'un site web pour un workshop international

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>267d58bf4179b0d63b185f922239a993b9ffed72</sha1>
  </revision>
  <revision>
    <id>519</id>
    <parentid>518</parentid>
    <timestamp>2023-03-31T19:05:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage pour les étudiants en licence pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4226" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Anonymisation de données 3D d'humains

== Stage pour les étudiants en licence pour l'année 2023 ==
* Construction d'une base de données d'humains 3D habillés
* Construction d'un site web pour un workshop international

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>5628a56dba1e86513e04e0506174588d0318315a</sha1>
  </revision>
  <revision>
    <id>521</id>
    <parentid>519</parentid>
    <timestamp>2023-04-11T08:53:48Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage pour les étudiants en licence pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4166" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Anonymisation de données 3D d'humains

== Stage pour les étudiants en licence pour l'année 2023 ==
* Construction d'une base de données d'humains 3D habillés

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>00ca06f07dc412baf94891ec537397599f8b94df</sha1>
  </revision>
  <revision>
    <id>522</id>
    <parentid>521</parentid>
    <timestamp>2023-04-11T08:54:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage pour les étudiants en licence pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4042" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Anonymisation de données 3D d'humains

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>6b94173a981c11e8b2999829a27930c25651452d</sha1>
  </revision>
  <revision>
    <id>523</id>
    <parentid>522</parentid>
    <timestamp>2023-04-11T08:54:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1 pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4062" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Construction d'une base de données d'humains 3D habillés

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>b0176cea4b296e681476e90d5381f6b48d5542af</sha1>
  </revision>
  <revision>
    <id>524</id>
    <parentid>523</parentid>
    <timestamp>2023-04-12T07:53:07Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1 pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4119" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer.html Construction d'une base de données d'humains 3D habillés]

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>9f3e4acb34dd4737383b063aa92873896e47a3c0</sha1>
  </revision>
  <revision>
    <id>525</id>
    <parentid>524</parentid>
    <timestamp>2023-04-12T07:53:39Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1 pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4145" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés]

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model]

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>bd9426ebe3438b13aa7bf74a0dfc0248ae8aab81</sha1>
  </revision>
  <revision>
    <id>526</id>
    <parentid>525</parentid>
    <timestamp>2023-04-12T07:54:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4156" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés]

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>07430db45862338bc75c8d632438571b813d9183</sha1>
  </revision>
  <revision>
    <id>537</id>
    <parentid>526</parentid>
    <timestamp>2023-05-16T15:04:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1 pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4281" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.
* Apprendre à stimuler l'entraînement par des prévisions périodiques immédiates sur les poids futurs proches

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>d2dd13fcb54ecfd34b5d19271b969bb82a53c694</sha1>
  </revision>
  <revision>
    <id>538</id>
    <parentid>537</parentid>
    <timestamp>2023-05-16T15:04:47Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1 pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4288" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* [NEW!] Apprendre à stimuler l'entraînement par des prévisions périodiques immédiates sur les poids futurs proches
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>262c038abe42d470638c3dd9b240b20215187544</sha1>
  </revision>
  <revision>
    <id>539</id>
    <parentid>538</parentid>
    <timestamp>2023-05-16T15:15:05Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1 pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4301" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* [NEW!] Apprendre à accélérer l'optimisation numérique par des prévisions périodiques immédiates sur les poids futurs proches
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>cb228aa0c9718d89ea734f8ee8cd61b5d85fe526</sha1>
  </revision>
  <revision>
    <id>540</id>
    <parentid>539</parentid>
    <timestamp>2023-05-16T15:19:05Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1 pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4371" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* [NEW!] Apprenez à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>c139ae5175be9ab148d682d7ed07e4df8448dfd8</sha1>
  </revision>
  <revision>
    <id>541</id>
    <parentid>540</parentid>
    <timestamp>2023-05-16T15:20:59Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4386" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* [NEW!] Apprenez à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>9afcf895c39fab29dee1ddcb5f8a73e75f7c5ef4</sha1>
  </revision>
  <revision>
    <id>542</id>
    <parentid>541</parentid>
    <timestamp>2023-05-16T15:23:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4394" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* [NEW!] Apprenez à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.

&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>7567fe0045f4d1dbb039eb4a54c4385bbd32725a</sha1>
  </revision>
  <revision>
    <id>543</id>
    <parentid>542</parentid>
    <timestamp>2023-05-16T15:23:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4393" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* [NEW!] Apprenez à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>0ca51825f9ecd8ed81a8138cd0395bf89faf449f</sha1>
  </revision>
  <revision>
    <id>547</id>
    <parentid>543</parentid>
    <timestamp>2023-07-04T09:32:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1 pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4398" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>447ec3e72db4ae40371580e81464342ef6014a7d</sha1>
  </revision>
  <revision>
    <id>556</id>
    <parentid>547</parentid>
    <timestamp>2023-09-19T15:32:07Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Postdoc pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4521" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]
Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo.

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>76fec5a23d656035ebda2872330aa2828ab0c1be</sha1>
  </revision>
  <revision>
    <id>557</id>
    <parentid>556</parentid>
    <timestamp>2023-09-19T15:32:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Postdoc pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4522" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo.

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>1a84c426d1da59a0b9342d7436d6911bb7289dba</sha1>
  </revision>
  <revision>
    <id>558</id>
    <parentid>557</parentid>
    <timestamp>2023-09-19T15:32:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Postdoc pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4597" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/Gestion/Offre/Default.aspx?Ref=UMR7357-HYESEO-011 Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>645f08731a83e927906c689e66be5187c09c4b12</sha1>
  </revision>
  <revision>
    <id>559</id>
    <parentid>558</parentid>
    <timestamp>2023-09-19T15:33:48Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Postdoc pour l'année 2023 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4548" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>75a07b39e5a2efbe389372e2375686656933809d</sha1>
  </revision>
  <revision>
    <id>560</id>
    <parentid>559</parentid>
    <timestamp>2023-09-19T15:38:26Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4971" xml:space="preserve">== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Entrainer un réseau de neurone SDF avec les données surfacique du corps humain SMPL.
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>d1cbbb619bac1cdac13ff652377f5e20c1633305</sha1>
  </revision>
</page>
<page arvcontinue="20230314101726|511">
  <title>Actualités</title>
  <ns>0</ns>
  <id>10</id>
  <revision>
    <id>529</id>
    <parentid>457</parentid>
    <timestamp>2023-05-15T10:10:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2846" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

December 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

June 2023: 
* ICube-KAIST workshop on AI sera organisé (Hyewon Seo), voici le [programme https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023].</text>
    <sha1>bec72071178a24787960185c26ee545a6e19e636</sha1>
  </revision>
  <revision>
    <id>530</id>
    <parentid>529</parentid>
    <timestamp>2023-05-15T10:12:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2846" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

December 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

June 2023: 
* ICube-KAIST workshop on AI sera organisé (Hyewon Seo), voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].</text>
    <sha1>4fbaed22a4ff5e973d3ce65b6ce4271b66eadf04</sha1>
  </revision>
  <revision>
    <id>531</id>
    <parentid>530</parentid>
    <timestamp>2023-05-15T10:13:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="2937" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

December 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

June 2023: 
* ICube-KAIST workshop on AI sera organisé (Hyewon Seo) le 1er juin, voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].
* L'équipe va déménager à un nouveau bâtiment du NextMed, le début juin.</text>
    <sha1>77d159d5800a71fcb33d6275c18e22a92f30dd34</sha1>
  </revision>
  <revision>
    <id>532</id>
    <parentid>531</parentid>
    <timestamp>2023-05-15T10:14:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3025" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

December 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

June 2023: 
* ICube-KAIST workshop on AI sera organisé (Hyewon Seo) le 1er juin, voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].
* L'équipe va déménager à un nouveau bâtiment du NextMed, le début juin.
* L'équipe va accueillir un nouveau Maitre de Conférence à partir de septembre 2023!</text>
    <sha1>4234df1ef32f8d88028fea11d59a26f9a71c5eaa</sha1>
  </revision>
  <revision>
    <id>533</id>
    <parentid>532</parentid>
    <timestamp>2023-05-15T10:23:36Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3019" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

December 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

June 2023: 
* ICube-KAIST workshop on AI sera organisé (Hyewon Seo) le 1er juin, voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].
* L'équipe déménagera dans un nouveau bâtiment NextMed début juin.
* L'équipe accueillera un nouveau Maître de conférences à partir de septembre 2023 !</text>
    <sha1>17e620c33b7a0064933ca4e79711af1d77ce5053</sha1>
  </revision>
  <revision>
    <id>534</id>
    <parentid>533</parentid>
    <timestamp>2023-05-15T11:34:41Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3011" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

December 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

June 2023: 
* ICube-KAIST workshop on AI sera organisé (Hyewon Seo) le 1er juin, voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].
* L'équipe déménagera dans le bâtiment NextMed début juin.
* L'équipe accueillera un nouveau Maître de conférences à partir de septembre 2023 !</text>
    <sha1>93fa74f15fde38050a10ff4c75d32c1b27aabda0</sha1>
  </revision>
  <revision>
    <id>535</id>
    <parentid>534</parentid>
    <timestamp>2023-05-15T12:07:17Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3067" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

December 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

June 2023: 
* L'équipe accueillera trois jeunes chercheurs du KAIST le 1er juin, ou on organise ICube-KAIST workshop on AI (Hyewon Seo). Voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].
* L'équipe déménagera dans le bâtiment NextMed début juin.
* L'équipe accueillera un nouveau Maître de conférences à partir de septembre 2023 !</text>
    <sha1>8efe9d338f7148e83bc78261e1a8968572dabb16</sha1>
  </revision>
  <revision>
    <id>536</id>
    <parentid>535</parentid>
    <timestamp>2023-05-15T12:08:44Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3073" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

December 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

June 2023: 
* L'équipe accueillera trois jeunes chercheurs du KAIST le 1er juin, avec qui on organise ICube-KAIST workshop on AI (Hyewon Seo). Voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].
* L'équipe déménagera dans le bâtiment NextMed début juin.
* L'équipe accueillera un nouveau Maître de conférences à partir de septembre 2023 !</text>
    <sha1>08dbc4f3f91198a828063cf9c87495994dd63b58</sha1>
  </revision>
</page>
<page arvcontinue="20230314101726|511">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>552</id>
    <parentid>482</parentid>
    <timestamp>2023-09-14T09:53:25Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3743" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)


==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>f043b968683a0ae2bd6b5a93050b518e644df761</sha1>
  </revision>
  <revision>
    <id>553</id>
    <parentid>552</parentid>
    <timestamp>2023-09-14T09:54:04Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3852" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistant ingénieur des équipes Inria MIMESIS, CAMUS et TONUS

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

==Post-docs==

* '''PABLO ARTURO ALVAREZ CORRALES''' supervised by Stéphane Cotin funded by the Inria (...)

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>289bedcfda30944ec2d69c8849007411fc2b19b2</sha1>
  </revision>
  <revision>
    <id>554</id>
    <parentid>553</parentid>
    <timestamp>2023-09-14T10:02:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4003" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by the Inria (...)

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>3ff083f4fa45708b3d7101e101dc47c52250b0d4</sha1>
  </revision>
</page>
<page arvcontinue="20230920081921|561">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>561</id>
    <parentid>554</parentid>
    <timestamp>2023-09-20T08:19:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4116" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by the Inria (...)

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>dc0c42af92e9c261b63144e2c125e56ee2005440</sha1>
  </revision>
  <revision>
    <id>562</id>
    <parentid>561</parentid>
    <timestamp>2023-09-20T08:22:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4220" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by the Inria (...)

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>e114c1e1c53fc4122314efb2eb1e8cd5a5e5e742</sha1>
  </revision>
  <revision>
    <id>595</id>
    <parentid>562</parentid>
    <timestamp>2023-12-20T12:50:16Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4313" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024 )

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by the Inria (...)

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>2412e6c577e110fce5f472fe70fe307888063d55</sha1>
  </revision>
  <revision>
    <id>596</id>
    <parentid>595</parentid>
    <timestamp>2023-12-20T12:53:46Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Associés */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4474" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan VERDE''' surgeon scientist à l'IHU Strasbourg 
* Aïna VENKATASAMY (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024 )

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by the Inria (...)

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>fa6cc990e2796c702bc348a12f2d488f7723af04</sha1>
  </revision>
  <revision>
    <id>597</id>
    <parentid>596</parentid>
    <timestamp>2023-12-20T12:54:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4480" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024 )

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by the Inria (...)

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - ...)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- ...)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>47be0024be20574a2921237613fc8677c9edca40</sha1>
  </revision>
  <revision>
    <id>601</id>
    <parentid>597</parentid>
    <timestamp>2023-12-20T13:01:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4494" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024 )

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by the Inria (...)

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)

Ph.D. 2019: 

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

Ph.D. 2017: 

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>47edc5616c0ab5982b8bdee4bf833f147c3c2475</sha1>
  </revision>
  <revision>
    <id>602</id>
    <parentid>601</parentid>
    <timestamp>2023-12-20T13:05:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4479" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024 )

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by the Inria (...)

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


==Alumni==

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>263759ed9bcbbbb9a68af290b95a1d4379eaa511</sha1>
  </revision>
  <revision>
    <id>603</id>
    <parentid>602</parentid>
    <timestamp>2023-12-20T13:07:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4532" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by the Inria (...)

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


==Alumni==

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>dc86e1db61a5959064370b8a745143c0c9bee0af</sha1>
  </revision>
</page>
<page arvcontinue="20230920081921|561">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>563</id>
    <parentid>560</parentid>
    <timestamp>2023-09-21T08:59:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1 pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5077" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Modèle générative pour l'action du corps humain.


== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Entrainer un réseau de neurone SDF avec les données surfacique du corps humain SMPL.
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>a7c78356359a6424bd1b057bb8771bccf09e1933</sha1>
  </revision>
  <revision>
    <id>564</id>
    <parentid>563</parentid>
    <timestamp>2023-09-21T09:01:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5076" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Modèle générative pour l'action du corps humain.
* Entrainer un réseau de neurone SDF avec les données surfacique du corps humain SMPL.

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>bcc32016d724417391c803a4efe9b434d554cb49</sha1>
  </revision>
  <revision>
    <id>565</id>
    <parentid>564</parentid>
    <timestamp>2023-09-21T15:33:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5143" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Modèle générative pour l'action du corps humain.
* Entrainer et raffiner un réseau de neurone SDF avec les données surfacique du corps humain SMPL.
* Segmentation du maillage 3D scanné du corps humain.

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>4a401cfeb29039d119e3d2b293f5a128df1b1a65</sha1>
  </revision>
  <revision>
    <id>566</id>
    <parentid>565</parentid>
    <timestamp>2023-09-21T15:36:29Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5264" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Modèle générative pour l'action du corps humain.
* Entrainer et raffiner un réseau de neurone SDF avec les données surfacique du corps humain SMPL.
* Segmentation du maillage 3D scanné du corps humain.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives.

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>5b06800d2de943dcbfab366415b0c6a1021a9abb</sha1>
  </revision>
  <revision>
    <id>576</id>
    <parentid>566</parentid>
    <timestamp>2023-10-26T16:21:39Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5278" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Modèle générative pour les vêtements 3D.
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives =&gt; pourvu.

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>4212afee842a011bb18f5db995da55458dfcd096</sha1>
  </revision>
  <revision>
    <id>578</id>
    <parentid>576</parentid>
    <timestamp>2023-11-20T16:02:28Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5451" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Modèle générative pour les vêtements 3D.
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives =&gt; pourvu.

&lt;!--
* Diffusion model for human motion
* Diffusion model for free cloth animation 
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe
--!&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>df41a59721c13529a4287076507001a46613dedc</sha1>
  </revision>
  <revision>
    <id>579</id>
    <parentid>578</parentid>
    <timestamp>2023-11-20T16:02:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5450" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Modèle générative pour les vêtements 3D.
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives =&gt; pourvu.

&lt;!--
* Diffusion model for human motion
* Diffusion model for free cloth animation 
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe--!&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>17b3f0329506e58b8fe563a5133ca364352d6734</sha1>
  </revision>
  <revision>
    <id>580</id>
    <parentid>579</parentid>
    <timestamp>2023-11-20T16:03:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5278" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Modèle générative pour les vêtements 3D.
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives =&gt; pourvu.

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>4212afee842a011bb18f5db995da55458dfcd096</sha1>
  </revision>
  <revision>
    <id>581</id>
    <parentid>580</parentid>
    <timestamp>2023-11-20T16:04:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5449" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Modèle générative pour les vêtements 3D.
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives =&gt; pourvu.

&lt;!--
* Diffusion model for human motion
* Diffusion model for free cloth animation 
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>23095da5818cfec21e00ad9e4896cc1abc3d8136</sha1>
  </revision>
  <revision>
    <id>582</id>
    <parentid>581</parentid>
    <timestamp>2023-11-20T16:06:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5499" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>adb459d0bec1ea667c72917c03e18079ea22ba6c</sha1>
  </revision>
  <revision>
    <id>585</id>
    <parentid>582</parentid>
    <timestamp>2023-11-28T12:51:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5525" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (Hyewon Seo et Axel Hutt) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>c471a0ee1f1d7155cc360b96ca4ff5c370510ddc</sha1>
  </revision>
  <revision>
    <id>586</id>
    <parentid>585</parentid>
    <timestamp>2023-11-28T13:01:23Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5761" xml:space="preserve">== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>9b4b64b2296b32f5a4e17813b3c550d90cf3f64e</sha1>
  </revision>
  <revision>
    <id>604</id>
    <parentid>586</parentid>
    <timestamp>2023-12-20T13:10:00Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5813" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman


== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>05c85b79ff7e53aaa8d7bdca1be0d63bd69d68d5</sha1>
  </revision>
  <revision>
    <id>606</id>
    <parentid>604</parentid>
    <timestamp>2023-12-20T13:11:20Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* MdC pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8108" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes :
- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 
- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : pour l’équipe MLMS, Stéphane Cotin (stephane.cotin@inria.fr) et Hyewon Seo (seo@unistra.fr), et pour l’équipe ICPS, Jens Gustedt (jens.gustedt@inria.fr) et Stéphane Genaud (genaud@unistra.fr)

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>a44175999fa27beb64c02cc671151f8ffd371f7b</sha1>
  </revision>
  <revision>
    <id>607</id>
    <parentid>606</parentid>
    <timestamp>2023-12-20T13:11:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* MdC pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8113" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : \\
- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur \\
- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : pour l’équipe MLMS, Stéphane Cotin (stephane.cotin@inria.fr) et Hyewon Seo (seo@unistra.fr), et pour l’équipe ICPS, Jens Gustedt (jens.gustedt@inria.fr) et Stéphane Genaud (genaud@unistra.fr)

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>17fd10f263e166142562ae93dfa3e0d5bbdb42b6</sha1>
  </revision>
  <revision>
    <id>608</id>
    <parentid>607</parentid>
    <timestamp>2023-12-20T13:12:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* MdC pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8111" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : pour l’équipe MLMS, Stéphane Cotin (stephane.cotin@inria.fr) et Hyewon Seo (seo@unistra.fr), et pour l’équipe ICPS, Jens Gustedt (jens.gustedt@inria.fr) et Stéphane Genaud (genaud@unistra.fr)

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>bd87ff3b4d2c57e7645da8271eebea1a78dce9de</sha1>
  </revision>
  <revision>
    <id>609</id>
    <parentid>608</parentid>
    <timestamp>2023-12-20T13:13:17Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* MdC pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="7942" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>24076a610c8f376214d76359ac7c03dc5c4026d9</sha1>
  </revision>
</page>
<page arvcontinue="20230920081921|561">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>567</id>
    <parentid>555</parentid>
    <timestamp>2023-09-22T12:46:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="53478" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 26 septembre 2023 : Présentation de Claire Martin

'''Titre:' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."

* Mardi 3 octobre 2023 : Présentation de Sidaty El Hadramy

* Mardi 10 octobre 2023 : Présentation de Pablo Alvarez

* Mardi 17 octobre 2023 : Présentation de Diwei Wang

* Mardi 7 novembre 2023 : Présentation de Valentina Scarponi

* Mardi 14 novembre 2023 : Présentation de Boyang Yu


==Séminaires / réunions passés==

* Mardi 19 septembre 2023 : Présentation de Vladimir Poliakov

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de François Leconte

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de Thomas Wahl

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de Kiwon Um

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>242d2c4d8e0eb8df3beab83f96b5c7e4ad112b75</sha1>
  </revision>
  <revision>
    <id>568</id>
    <parentid>567</parentid>
    <timestamp>2023-09-22T12:48:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="53480" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 26 septembre 2023 : Présentation de Claire Martin

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."

* Mardi 3 octobre 2023 : Présentation de Sidaty El Hadramy

* Mardi 10 octobre 2023 : Présentation de Pablo Alvarez

* Mardi 17 octobre 2023 : Présentation de Diwei Wang

* Mardi 7 novembre 2023 : Présentation de Valentina Scarponi

* Mardi 14 novembre 2023 : Présentation de Boyang Yu


==Séminaires / réunions passés==

* Mardi 19 septembre 2023 : Présentation de Vladimir Poliakov

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de François Leconte

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de Thomas Wahl

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de Kiwon Um

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>ac26a180d43b35a541e898aed8612498bbb32c1c</sha1>
  </revision>
  <revision>
    <id>569</id>
    <parentid>568</parentid>
    <timestamp>2023-09-27T08:01:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="54437" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 3 octobre 2023 : Présentation de Sidaty El Hadramy

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."

* Mardi 10 octobre 2023 : Présentation de Pablo Alvarez

* Mardi 17 octobre 2023 : Présentation de Diwei Wang

* Mardi 7 novembre 2023 : Présentation de Valentina Scarponi

* Mardi 14 novembre 2023 : Présentation de Boyang Yu


==Séminaires / réunions passés==

* Mardi 26 septembre 2023 : Présentation de Claire Martin

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."

* Mardi 19 septembre 2023 : Présentation de Vladimir Poliakov

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de François Leconte

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de Thomas Wahl

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de Kiwon Um

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023


* Mardi 28 mars 2023 : présentation de Elias Cueto

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 21 mars 2023


* Mardi 14 mars 2023 : présentation de Nicola Zotto sur les "Graph Neural Network"


* Mardi 28 février 2023 : pas de réunion d'équipe


* Mardi 14 février 2023 : présentation de Yu Boyang de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de Pablo Alvarez

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de Guglielmo Scovazzi (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de prof. Wohn (KAIST)

'''Titre:''' "From Cave Paintings to Metaverse"


* mardi 25 octobre 2022 : réunion d'équipe à 11h


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de Nora Hagmeyer

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h


* mardi  12 juillet 2022 : exposé de Valentina Scaponi à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 21 juin 2022 : réunion permanent 10h et exposé de Diwei Wang + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d'Emmanuel Franck (IRMA) à 11h


'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de Pierre Galmiche à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h


* mardi 19 avril 2022 : réunion d'équipe et exposé de Boyang Yu à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de Guillaume Mestdagh à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de François Lecomte à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de Saurabh Deshpande (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 22 février 2022 : réunion d'équipe à 11h


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."


* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
 

* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''


'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>128cdde7dcc3b273cedea3789699246b188c80eb</sha1>
  </revision>
  <revision>
    <id>570</id>
    <parentid>569</parentid>
    <timestamp>2023-10-01T18:16:08Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="54655" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
[http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez''']


==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."

* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

* Mardi 17 octobre 2023 : Présentation de '''Diwei Wang'''

* Mardi 7 novembre 2023 : Présentation de '''Valentina Scarponi'''

* Mardi 14 novembre 2023 : Présentation de '''Boyang Yu'''


==Séminaires / réunions passés==

* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>cdec9a076a61679f77fce2a18d7c7eb9aa164f72</sha1>
  </revision>
  <revision>
    <id>571</id>
    <parentid>570</parentid>
    <timestamp>2023-10-01T18:16:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Organisateur */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="54671" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."

* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

* Mardi 17 octobre 2023 : Présentation de '''Diwei Wang'''

* Mardi 7 novembre 2023 : Présentation de '''Valentina Scarponi'''

* Mardi 14 novembre 2023 : Présentation de '''Boyang Yu'''


==Séminaires / réunions passés==

* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>38cc2976784798e2c6c917f22cba169ae89c69df</sha1>
  </revision>
  <revision>
    <id>572</id>
    <parentid>571</parentid>
    <timestamp>2023-10-06T09:28:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="56189" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."

* Mardi 17 octobre 2023 : Présentation de '''Diwei Wang'''

* Mardi 7 novembre 2023 : Présentation de '''Valentina Scarponi'''

* Mardi 14 novembre 2023 : Présentation de '''Boyang Yu'''


==Séminaires / réunions passés==

* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>7c1c144061060f89d3d5c57de83865b2e66cb030</sha1>
  </revision>
  <revision>
    <id>574</id>
    <parentid>572</parentid>
    <timestamp>2023-10-16T08:36:50Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="56405" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

* Mardi 7 novembre 2023 : Présentation de '''Valentina Scarponi'''

* Mardi 14 novembre 2023 : Présentation de '''Boyang Yu'''

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

* Mardi 19 décembre 2023 : Présentation de  '''Killian Vuillemot'''


==Séminaires / réunions passés==

* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>fec5158fe42824a74a610e0d3b32a160ff562b04</sha1>
  </revision>
  <revision>
    <id>575</id>
    <parentid>574</parentid>
    <timestamp>2023-10-16T10:07:38Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="57764" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 7 novembre 2023 : Présentation de '''Valentina Scarponi'''

* Mardi 14 novembre 2023 : Présentation de '''Boyang Yu'''

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

* Mardi 19 décembre 2023 : Présentation de  '''Killian Vuillemot'''


==Séminaires / réunions passés==

* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>cf5fca0dadf35688d0ddef712e0bff551301be96</sha1>
  </revision>
  <revision>
    <id>577</id>
    <parentid>575</parentid>
    <timestamp>2023-11-13T09:39:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="59491" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

* Mardi 19 décembre 2023 : Présentation de  '''Killian Vuillemot'''


==Séminaires / réunions passés==

* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>c432ba86c35e2b526994f9f442dbc7f569b99ea4</sha1>
  </revision>
  <revision>
    <id>583</id>
    <parentid>577</parentid>
    <timestamp>2023-11-20T16:26:37Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="60129" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

* Mardi 19 décembre 2023 : Présentation de  '''Killian Vuillemot'''


==Séminaires / réunions passés==

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>2dad6b6ef76e00107d83f81825ac095f565084c1</sha1>
  </revision>
  <revision>
    <id>584</id>
    <parentid>583</parentid>
    <timestamp>2023-11-27T11:43:15Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="61631" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions==

* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

* Mardi 19 décembre 2023 : Présentation de  '''Killian Vuillemot'''


==Séminaires / réunions passés==

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>69ee7c462a601cdb81c060b2414f842fc80fc1f7</sha1>
  </revision>
  <revision>
    <id>587</id>
    <parentid>584</parentid>
    <timestamp>2023-12-01T14:12:58Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="62186" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

* Mardi 19 décembre 2023 : Présentation de  '''Killian Vuillemot'''


==Séminaires / réunions passés==

* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>cf248064932063a70fe3a93c750f67543f377192</sha1>
  </revision>
  <revision>
    <id>588</id>
    <parentid>587</parentid>
    <timestamp>2023-12-11T08:37:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="63017" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 19 décembre 2023 : Présentation de  '''Killian Vuillemot'''


==Séminaires / réunions passés==

* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>5e08216c3c543e67ff94d2cf62f798d25fcb04d5</sha1>
  </revision>
  <revision>
    <id>589</id>
    <parentid>588</parentid>
    <timestamp>2023-12-11T09:07:15Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="63079" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 19 décembre 2023 : Présentation de  '''Killian Vuillemot'''

* Mardi 16 janvier 2023 : Présentation de  '''Paul Baksic'''

==Séminaires / réunions passés==

* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>3796592fe0979138d5b79938f463a8f5d980afda</sha1>
  </revision>
  <revision>
    <id>590</id>
    <parentid>589</parentid>
    <timestamp>2023-12-13T14:18:40Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="63136" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 19 décembre 2023 : Présentation d'un candidat

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 13 février 2024 : Présentation de  '''Killian Vuillemot'''

==Séminaires / réunions passés==


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>882c149327ee4c63160f45aa4686ff6927dc0455</sha1>
  </revision>
  <revision>
    <id>591</id>
    <parentid>590</parentid>
    <timestamp>2023-12-14T09:16:44Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="63788" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 13 février 2024 : Présentation de  '''Killian Vuillemot'''

==Séminaires / réunions passés==


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>bb4283719ef7d945196c7fa37cd1d7401e0c873b</sha1>
  </revision>
</page>
<page arvcontinue="20230920081921|561">
  <title>Actualités</title>
  <ns>0</ns>
  <id>10</id>
  <revision>
    <id>573</id>
    <parentid>536</parentid>
    <timestamp>2023-10-10T02:32:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4091" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

December 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

June 2023: 
* L'équipe accueillera trois jeunes chercheurs du KAIST le 1er juin, avec qui on organise ICube-KAIST workshop on AI (Hyewon Seo). Voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].
* L'équipe déménagera dans le bâtiment NextMed début juin.
* L'équipe accueillera un nouveau Maître de conférences à partir de septembre 2023 !

Juillet 2023: 
* Axel Hutt, avec ses collègues canadiens a publié un article à PNAS (Proceedings of National Academy of Science), une revue int’l de l’impact facteur 11. Cet article explore comment la diversité entre les neurones dans un réseau neuronal pourrait jouer un rôle dans la stabilisation de son comportement.

Août 2023: 
* Le workshop dont trois membres de l'équipe ont participé s'est tenu avec succès à Busan, Corée du Sud. Il s'agit du workshop sur "Surgical robots, Robot vision, and 4D Human models for Healthcare" co-localisé avec la conférence IEEE RO-MAN où il y avait au moins 500 participants.

Octobre 2023:
* L'équipe accueille trois chercheurs du University of Applied Sciences Ansbach, Allemagne.
* Hadrien Courtecuisse participent à la fête de la science.
* Notre article "Video-based gait analysis for assessing Alzheimer’s Disease and Dementia with Lewy Bodies" publié au MICCAI workshop on Applications of Medical AI (AMAI) a eu le prix de "Best Student Paper"!</text>
    <sha1>3b7c1bad604e15466313bd7850608aae43d00b6f</sha1>
  </revision>
  <revision>
    <id>605</id>
    <parentid>573</parentid>
    <timestamp>2023-12-20T13:11:07Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4206" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

Décembre 2023:
* La thèse de Alban Odot est soutenue.

Octobre 2023:
* L'équipe accueille trois chercheurs du University of Applied Sciences Ansbach, Allemagne.
* Hadrien Courtecuisse participent à la fête de la science.
* Notre article "Video-based gait analysis for assessing Alzheimer’s Disease and Dementia with Lewy Bodies" publié au MICCAI workshop on Applications of Medical AI (AMAI) a eu le prix de "Best Student Paper"!

Septembre 2023:
* La thèse de Ziqiu Zeng est soutenue.

Août 2023: 
* Le workshop dont trois membres de l'équipe ont participé s'est tenu avec succès à Busan, Corée du Sud. Il s'agit du workshop sur "Surgical robots, Robot vision, and 4D Human models for Healthcare" co-localisé avec la conférence IEEE RO-MAN où il y avait au moins 500 participants.

Juillet 2023: 
* Axel Hutt, avec ses collègues canadiens a publié un article à PNAS (Proceedings of National Academy of Science), une revue int’l de l’impact facteur 11. Cet article explore comment la diversité entre les neurones dans un réseau neuronal pourrait jouer un rôle dans la stabilisation de son comportement.

June 2023: 
* L'équipe accueillera trois jeunes chercheurs du KAIST le 1er juin, avec qui on organise ICube-KAIST workshop on AI (Hyewon Seo). Voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].
* L'équipe déménagera dans le bâtiment NextMed début juin.
* L'équipe accueillera un nouveau Maître de conférences à partir de septembre 2023 !

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

Décembre 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).</text>
    <sha1>574d70174051fffadb1dae3dfc40de5899063503</sha1>
  </revision>
</page>
<page arvcontinue="20230920081921|561">
  <title>Projets</title>
  <ns>0</ns>
  <id>12</id>
  <revision>
    <id>592</id>
    <parentid>339</parentid>
    <timestamp>2023-12-20T12:47:29Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5652" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* ''''''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots''' (oct. 2021 - oct. 2025): Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular''': Simulation of needle insertion en virtual reality and haptics (oct. 2021 - oct. 2025), est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip (oct. 2021 - oct. 2025), est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).</text>
    <sha1>d7ad69f7575f92997ef91251ba426b4789a82b21</sha1>
  </revision>
  <revision>
    <id>593</id>
    <parentid>592</parentid>
    <timestamp>2023-12-20T12:48:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5634" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* Human Model for '''CA'''re '''R'''obots (oct. 2021 - oct. 2025): Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular''': Simulation of needle insertion en virtual reality and haptics (oct. 2021 - oct. 2025), est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip (oct. 2021 - oct. 2025), est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).</text>
    <sha1>abd097e4aa5d9691ecde0b072a5ac92504c194ab</sha1>
  </revision>
  <revision>
    <id>594</id>
    <parentid>593</parentid>
    <timestamp>2023-12-20T12:48:33Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5646" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* '''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots (oct. 2021 - oct. 2025): Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular''': Simulation of needle insertion en virtual reality and haptics (oct. 2021 - oct. 2025), est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip (oct. 2021 - oct. 2025), est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).</text>
    <sha1>6953119f97d9cef4671e6c14f57152811a679537</sha1>
  </revision>
</page>
<page arvcontinue="20230920081921|561">
  <title>Presentation</title>
  <ns>0</ns>
  <id>23</id>
  <revision>
    <id>598</id>
    <parentid>508</parentid>
    <timestamp>2023-12-20T12:56:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Thèmes de recherches */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3711" xml:space="preserve">[[Fichier:Inria-logo.png|120px|thumb|L’Institut national de recherche en informatique et en automatique ]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
# Simulation physique 

* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>33817e4b51a3023636092ca59d864dd0d60e3f6d</sha1>
  </revision>
  <revision>
    <id>599</id>
    <parentid>598</parentid>
    <timestamp>2023-12-20T12:57:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Modélisation dérivée par les données */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3725" xml:space="preserve">[[Fichier:Inria-logo.png|120px|thumb|L’Institut national de recherche en informatique et en automatique ]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations et simulation en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
# Simulation physique 

* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement.

===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU

===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>cd0babefc57147f558b417c03685de2d621d8c0f</sha1>
  </revision>
  <revision>
    <id>600</id>
    <parentid>599</parentid>
    <timestamp>2023-12-20T12:58:28Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Thèmes de recherches */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3791" xml:space="preserve">[[Fichier:Inria-logo.png|120px|thumb|L’Institut national de recherche en informatique et en automatique ]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en trois thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations et simulation en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
# Simulation physique personnalisées et en temps réel

* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement, deep physics, calcul GPU.
&lt;!--
===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU
--&gt;
===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>8b3675783014da8a77e78107ee496c34214e786b</sha1>
  </revision>
</page>
<page arvcontinue="20230920081921|561">
  <title>Contact</title>
  <ns>0</ns>
  <id>6</id>
  <revision>
    <id>610</id>
    <parentid>274</parentid>
    <timestamp>2023-12-20T13:16:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Adresse postale */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="419" xml:space="preserve">
== Co-responsables d'équipe == 
[http://http://igg.unistra.fr/People/seo/ Hyewon Seo] et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg

Bâtiment eXplora

2 Rue Marie Hamm

67000 Strasbourg Cedex FRANCE

[[Fichier:Clovis.jpg|vignette]]

== Coordonnées GPS== 
(48.57542, 7.74398): 
[https://goo.gl/maps/wLEyPi55MFkM1rEQ9 Lien Google map]</text>
    <sha1>4f3261991c30ee6805dbb34bdabbff00a7cb0405</sha1>
  </revision>
</page>
<page arvcontinue="20231220131945|611">
  <title>Contact</title>
  <ns>0</ns>
  <id>6</id>
  <revision>
    <id>611</id>
    <parentid>610</parentid>
    <timestamp>2023-12-20T13:19:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Coordonnées GPS */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="441" xml:space="preserve">
== Co-responsables d'équipe == 
[http://http://igg.unistra.fr/People/seo/ Hyewon Seo] et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg

Bâtiment eXplora

2 Rue Marie Hamm

67000 Strasbourg Cedex FRANCE

[[Fichier:Clovis.jpg|vignette]]

== Coordonnées GPS== 
(48.5754837467844, 7.748547737278793): 
[https://maps.app.goo.gl/9F19y8Zian24MPar7 Lien Google map]</text>
    <sha1>c437e5084e87e79c7c684cc87b72038aa50d1b2c</sha1>
  </revision>
  <revision>
    <id>612</id>
    <parentid>611</parentid>
    <timestamp>2023-12-20T13:20:55Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="442" xml:space="preserve">
== Co-responsables d'équipe == 
[http://http://igg.unistra.fr/People/seo/ Hyewon Seo] et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg

Bâtiment eXplora

2 Rue Marie Hamm

67000 Strasbourg Cedex FRANCE

#[[Fichier:Clovis.jpg|vignette]]

== Coordonnées GPS== 
(48.5754837467844, 7.748547737278793): 
[https://maps.app.goo.gl/9F19y8Zian24MPar7 Lien Google map]</text>
    <sha1>0392406739d4fd4ec123d74c8e4165691537b6ab</sha1>
  </revision>
  <revision>
    <id>613</id>
    <parentid>612</parentid>
    <timestamp>2023-12-20T13:22:04Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Adresse postale */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="450" xml:space="preserve">
== Co-responsables d'équipe == 
[http://http://igg.unistra.fr/People/seo/ Hyewon Seo] et [http://stephanecotin.com/ Stéphane Cotin]

== Adresse postale == 
Equipe MLMS, Laboratoire ICube, Université de Strasbourg

Bâtiment eXplora

2 Rue Marie Hamm

67000 Strasbourg Cedex FRANCE

&lt;!-- [[Fichier:Clovis.jpg|vignette]] --&gt;

== Coordonnées GPS== 
(48.5754837467844, 7.748547737278793): 
[https://maps.app.goo.gl/9F19y8Zian24MPar7 Lien Google map]</text>
    <sha1>73a71192fd9d219abebc1f6bb90cc11acbb87f07</sha1>
  </revision>
</page>
<page arvcontinue="20231220131945|611">
  <title>Faits marquants</title>
  <ns>0</ns>
  <id>46</id>
  <revision>
    <id>614</id>
    <timestamp>2023-12-20T13:24:46Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Page créée avec « Octobre 2023: * Notre article "Video-based gait analysis for assessing Alzheimer’s Disease and Dementia with Lewy Bodies" publié au MICCAI workshop on Applications... »</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="556" xml:space="preserve">Octobre 2023:
* Notre article "Video-based gait analysis for assessing Alzheimer’s Disease and Dementia with Lewy Bodies" publié au MICCAI workshop on Applications of Medical AI (AMAI) a eu le prix de "Best Student Paper"!

Juillet 2023: 
* Axel Hutt, avec ses collègues canadiens a publié un article à PNAS (Proceedings of National Academy of Science), une revue int’l de l’impact facteur 11. Cet article explore comment la diversité entre les neurones dans un réseau neuronal pourrait jouer un rôle dans la stabilisation de son comportement.</text>
    <sha1>400406845755b4b17bbe713acf51c5ac7bf1f8fd</sha1>
  </revision>
  <revision>
    <id>616</id>
    <parentid>614</parentid>
    <timestamp>2023-12-20T13:27:07Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="554" xml:space="preserve">Octobre 2023:
* Notre article "Video-based gait analysis for assessing Alzheimer's Disease and Dementia with Lewy Bodies" publié au MICCAI workshop on Applications of Medical AI (AMAI) a eu le prix de "Best Student Paper"!

Juillet 2023: 
* Axel Hutt, avec ses collègues canadiens a publié un article à PNAS (Proceedings of National Academy of Science), une revue int’l de l’impact facteur 11. Cet article explore comment la diversité entre les neurones dans un réseau neuronal pourrait jouer un rôle dans la stabilisation de son comportement.</text>
    <sha1>5371482ff31a5ea9452a5a7468c6d8e64e547f20</sha1>
  </revision>
  <revision>
    <id>617</id>
    <parentid>616</parentid>
    <timestamp>2023-12-20T13:29:17Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1086" xml:space="preserve">Octobre 2023:
* Notre article "Video-based gait analysis for assessing Alzheimer's Disease and Dementia with Lewy Bodies" publié au MICCAI workshop on Applications of Medical AI (AMAI) a eu le prix de "Best Student Paper"!

Août 2023: 
* Le workshop dont trois membres de l'équipe ont participé s'est tenu avec succès à Busan, Corée du Sud. Il s'agit du workshop sur "Surgical robots, Robot vision, and 4D Human models for Healthcare" co-localisé avec la conférence IEEE RO-MAN où il y avait au moins 500 participants.

Juillet 2023: 
* Axel Hutt, avec ses collègues canadiens a publié un article à PNAS (Proceedings of National Academy of Science), une revue int’l de l’impact facteur 11. Cet article explore comment la diversité entre les neurones dans un réseau neuronal pourrait jouer un rôle dans la stabilisation de son comportement.

June 2023
* L'équipe accueillera trois jeunes chercheurs du KAIST le 1er juin, avec qui on organise ICube-KAIST workshop on AI (Hyewon Seo). Voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].</text>
    <sha1>b34ac6e17fe003a73462c817d06d5bb907429988</sha1>
  </revision>
</page>
<page arvcontinue="20231220131945|611">
  <title>Actualités</title>
  <ns>0</ns>
  <id>10</id>
  <revision>
    <id>615</id>
    <parentid>605</parentid>
    <timestamp>2023-12-20T13:25:05Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3574" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

Décembre 2023:
* La thèse de Alban Odot est soutenue.

Octobre 2023:
* L'équipe accueille trois chercheurs du University of Applied Sciences Ansbach, Allemagne.
* Hadrien Courtecuisse participent à la fête de la science.

Septembre 2023:
* La thèse de Ziqiu Zeng est soutenue.

Août 2023: 
* Le workshop dont trois membres de l'équipe ont participé s'est tenu avec succès à Busan, Corée du Sud. Il s'agit du workshop sur "Surgical robots, Robot vision, and 4D Human models for Healthcare" co-localisé avec la conférence IEEE RO-MAN où il y avait au moins 500 participants.

June 2023: 
* L'équipe accueillera trois jeunes chercheurs du KAIST le 1er juin, avec qui on organise ICube-KAIST workshop on AI (Hyewon Seo). Voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].
* L'équipe déménagera dans le bâtiment NextMed début juin.

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

Décembre 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).</text>
    <sha1>752f8eda7e6bee3e77fbae21728dc838adfc84b0</sha1>
  </revision>
  <revision>
    <id>618</id>
    <parentid>615</parentid>
    <timestamp>2023-12-20T13:29:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3053" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;

Décembre 2023:
* La thèse de Alban Odot est soutenue.

Octobre 2023:
* L'équipe accueille trois chercheurs du University of Applied Sciences Ansbach, Allemagne.
* Hadrien Courtecuisse participent à la fête de la science.

Septembre 2023:
* La thèse de Ziqiu Zeng est soutenue.

June 2023: 
* L'équipe déménagera dans le bâtiment NextMed début juin.

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

Décembre 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).</text>
    <sha1>562d153c96663bcc61ec8ce77ba98c6e90c50883</sha1>
  </revision>
</page>
<page arvcontinue="20231220131945|611">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>619</id>
    <parentid>591</parentid>
    <timestamp>2024-01-18T15:39:18Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="63851" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

* Mardi 13 février 2024 : Présentation de  '''Killian Vuillemot'''

==Séminaires / réunions passés==

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>73d67f33327e236336fa972d9e4ec1e386c6315c</sha1>
  </revision>
  <revision>
    <id>620</id>
    <parentid>619</parentid>
    <timestamp>2024-01-19T15:03:43Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="64946" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 13 février 2024 : Présentation de  '''Killian Vuillemot'''

==Séminaires / réunions passés==

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>764039205d93049bee7ebdc41ca845fa243c5b18</sha1>
  </revision>
  <revision>
    <id>621</id>
    <parentid>620</parentid>
    <timestamp>2024-01-29T09:34:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="65671" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 13 février 2024 : Présentation de  '''Killian Vuillemot'''

==Séminaires / réunions passés==

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>0172d9ac5137fe5f0c033b9f5228dbabe6fb8994</sha1>
  </revision>
  <revision>
    <id>622</id>
    <parentid>621</parentid>
    <timestamp>2024-01-31T13:11:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="65763" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 13 février 2024 : Présentation de  '''Killian Vuillemot'''


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

==Séminaires / réunions passés==

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>1148e65bbc4bcd3c5c2d16ce9643e660ff11c4aa</sha1>
  </revision>
  <revision>
    <id>623</id>
    <parentid>622</parentid>
    <timestamp>2024-01-31T13:15:04Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="66829" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 13 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "A phi-FEM approach to train a Neural Operator  as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

==Séminaires / réunions passés==

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>414bd90c5fe8de7aed4a9bb917be11e28b8bedf4</sha1>
  </revision>
  <revision>
    <id>624</id>
    <parentid>623</parentid>
    <timestamp>2024-02-02T08:33:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* =Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="68227" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 13 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "A phi-FEM approach to train a Neural Operator  as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

==Séminaires / réunions passés==

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>974a1f3c8afd85e86400b47621da55070507d408</sha1>
  </revision>
  <revision>
    <id>625</id>
    <parentid>624</parentid>
    <timestamp>2024-02-06T10:07:29Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="68226" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "A phi-FEM approach to train a Neural Operator  as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

==Séminaires / réunions passés==

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>2fbf5450d4ed2c3717130bda55da20e48fcb77ad</sha1>
  </revision>
  <revision>
    <id>633</id>
    <parentid>625</parentid>
    <timestamp>2024-02-19T09:19:40Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* =Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="68234" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

==Séminaires / réunions passés==

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>98b5f09dc1e356d0d2bbcac39b0ea50d4580d8dd</sha1>
  </revision>
  <revision>
    <id>636</id>
    <parentid>633</parentid>
    <timestamp>2024-02-21T10:04:21Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="68305" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki'''


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

==Séminaires / réunions passés==

* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>a3007fe9fd2cf5bbcea86c632880de8e0fd0d831</sha1>
  </revision>
  <revision>
    <id>637</id>
    <parentid>636</parentid>
    <timestamp>2024-02-22T15:42:38Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="70103" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki'''


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

==Séminaires / réunions passés==

* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>a39cf159ea6c2219c4d843a91eaa3965ad24b905</sha1>
  </revision>
  <revision>
    <id>638</id>
    <parentid>637</parentid>
    <timestamp>2024-02-23T15:34:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="72570" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

==Séminaires / réunions passés==

* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>35a2d6286b57101855fae192a3f0c079cb3b05ba</sha1>
  </revision>
  <revision>
    <id>639</id>
    <parentid>638</parentid>
    <timestamp>2024-03-04T15:40:25Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="72576" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

==Séminaires / réunions passés==


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>258d8f73261ccb4ef1e273a2f9502fd40be2cec8</sha1>
  </revision>
  <revision>
    <id>640</id>
    <parentid>639</parentid>
    <timestamp>2024-03-13T17:45:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* =Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="74183" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

==Séminaires / réunions passés==


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>b7a27b2dd0bd9882533e6f48ffffc2a5ea3c95d9</sha1>
  </revision>
  <revision>
    <id>642</id>
    <parentid>640</parentid>
    <timestamp>2024-03-26T10:30:31Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="74240" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 9 avril 2024 : Présentation de '''Léo Bois'''

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

==Séminaires / réunions passés==


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>3f04cbb568462dd5e547064ac10edc75c3e7c525</sha1>
  </revision>
  <revision>
    <id>643</id>
    <parentid>642</parentid>
    <timestamp>2024-03-26T10:35:28Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="74241" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 9 avril 2024 : Présentation de '''Léo Bois'''


==Séminaires / réunions passés==

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>affaec7690df6dbfacefe0d9902b2e0ecf10f728</sha1>
  </revision>
  <revision>
    <id>644</id>
    <parentid>643</parentid>
    <timestamp>2024-03-30T09:17:49Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* =Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="74300" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 9 avril 2024 : Présentation de '''Nicola Zotto'''

* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

==Séminaires / réunions passés==

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>576a112f00da8a7bef122ce41712dd131262ddba</sha1>
  </revision>
  <revision>
    <id>649</id>
    <parentid>644</parentid>
    <timestamp>2024-04-06T09:04:04Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* =Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="74301" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

==Séminaires / réunions passés==

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>9feb02c6b190eaa7c0432258b821192b474eabbf</sha1>
  </revision>
  <revision>
    <id>650</id>
    <parentid>649</parentid>
    <timestamp>2024-04-09T07:54:32Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* =Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="74354" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

* Mardi 30 avril 2024 : Présentation de '''Long'''

==Séminaires / réunions passés==

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>2fde2953ce139f92dc32a3af76b560f9765bfb23</sha1>
  </revision>
  <revision>
    <id>652</id>
    <parentid>650</parentid>
    <timestamp>2024-04-16T11:54:39Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="74812" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

* Mardi 30 avril 2024 : Présentation de '''Long'''

==Séminaires / réunions passés==


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>311d7bc7937d1b52ce6820b4504c810497149ed1</sha1>
  </revision>
  <revision>
    <id>653</id>
    <parentid>652</parentid>
    <timestamp>2024-04-19T12:13:13Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* =Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="74878" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=
* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

* Mardi 30 avril 2024 : Présentation de '''Long'''

==Séminaires / réunions passés==


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>5132ecb236152702a80ca07a9a1781ef9680dc8b</sha1>
  </revision>
  <revision>
    <id>654</id>
    <parentid>653</parentid>
    <timestamp>2024-04-19T13:23:46Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="76323" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 30 avril 2024 : Présentation de '''Long'''

==Séminaires / réunions passés==

* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>3cc3425b7793a6370d91c28f536b7768b27dbd1d</sha1>
  </revision>
  <revision>
    <id>655</id>
    <parentid>654</parentid>
    <timestamp>2024-04-22T11:52:01Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="76833" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."

* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 30 avril 2024 : Présentation de '''Long'''

==Séminaires / réunions passés==

* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>14364da4a21d857a1eceb1e4b553d95d17fe2f25</sha1>
  </revision>
</page>
<page arvcontinue="20231220131945|611">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>626</id>
    <parentid>609</parentid>
    <timestamp>2024-02-13T15:12:49Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8070" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation of 3D Dynamic Human Body Meshes with Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]]

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>a8c3a00db9ccfcc2ab4945f46d29fb5b1ed47634</sha1>
  </revision>
  <revision>
    <id>627</id>
    <parentid>626</parentid>
    <timestamp>2024-02-13T15:17:24Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8174" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]]

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]]

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>de6d78f614d67d81df171b69629663dfae6c7b58</sha1>
  </revision>
  <revision>
    <id>628</id>
    <parentid>627</parentid>
    <timestamp>2024-02-13T15:18:10Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8245" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the University of Strasbourg.

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to ITI HealthTech.

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>6460d9ca5be29cc0758bedd45578cca51a187441</sha1>
  </revision>
  <revision>
    <id>629</id>
    <parentid>628</parentid>
    <timestamp>2024-02-13T15:18:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8278" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the University of Strasbourg.

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>e02c7e9d46185bcfe4304167ac3716c9d35ead4c</sha1>
  </revision>
  <revision>
    <id>630</id>
    <parentid>629</parentid>
    <timestamp>2024-02-13T15:20:17Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8311" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>74fd2bb62c2770c37c41522a103c754d7714d811</sha1>
  </revision>
  <revision>
    <id>631</id>
    <parentid>630</parentid>
    <timestamp>2024-02-17T21:32:29Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8285" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes.pdf |Generation of 3D Dynamic Human Body Meshes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>67db7ff58dd8e2e70c6bb027487342f91c2a5cf4</sha1>
  </revision>
  <revision>
    <id>634</id>
    <parentid>631</parentid>
    <timestamp>2024-02-20T13:45:54Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8311" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>74fd2bb62c2770c37c41522a103c754d7714d811</sha1>
  </revision>
  <revision>
    <id>645</id>
    <parentid>634</parentid>
    <timestamp>2024-04-03T09:09:11Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8474" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>c1091941fd5324bbef9a164de2672297dababc2d</sha1>
  </revision>
  <revision>
    <id>647</id>
    <parentid>645</parentid>
    <timestamp>2024-04-03T09:12:19Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8476" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Fichier:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>e1e182d7443a3435ccb766bcd068afd12b62b7e8</sha1>
  </revision>
  <revision>
    <id>648</id>
    <parentid>647</parentid>
    <timestamp>2024-04-03T09:12:51Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8474" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>c1091941fd5324bbef9a164de2672297dababc2d</sha1>
  </revision>
  <revision>
    <id>656</id>
    <parentid>648</parentid>
    <timestamp>2024-04-25T13:01:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8614" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].


[[Media:MGeST.pdf Modèle Génératif pour les Données Spatio-Temporelles dans le Domaine Multi-modal (MGeST)]], proposed by Hyewon Seo]

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>5b42bc348746542d3ee4519743ada357722fcbf1</sha1>
  </revision>
  <revision>
    <id>657</id>
    <parentid>656</parentid>
    <timestamp>2024-04-25T13:02:25Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8614" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

[[Media:MGeST.pdf Modèle Génératif pour les Données Spatio-Temporelles dans le Domaine Multi-modal (MGeST)]], proposed by Hyewon Seo].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>90c504c28ac447fcdcf52dc1f223a9153322bbca</sha1>
  </revision>
  <revision>
    <id>658</id>
    <parentid>657</parentid>
    <timestamp>2024-04-25T13:03:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8649" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

[[Media:MGeST.pdf Modèle Génératif pour les Données Spatio-Temporelles dans le Domaine Multi-modal (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>99161813d0f6cbaac16aa2c7b290c8b3f62fe04b</sha1>
  </revision>
  <revision>
    <id>660</id>
    <parentid>658</parentid>
    <timestamp>2024-04-26T15:25:26Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8658" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

&lt;!-- [[Media:MGeST.pdf Modèle Génératif pour les Données Spatio-Temporelles dans le Domaine Multi-modal (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo]. --&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>c82d664e14d90c4b4fbacb8b88044daa510ba454</sha1>
  </revision>
</page>
<page arvcontinue="20231220131945|611">
  <title>Fichier:Generation of 3D Dynamic Human Body Meshes.pdf</title>
  <ns>6</ns>
  <id>47</id>
  <revision>
    <id>632</id>
    <timestamp>2024-02-17T21:33:09Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20231220131945|611">
  <title>Fichier:Generation of 3D Dynamic Human Body Meshes with Clothes.pdf</title>
  <ns>6</ns>
  <id>48</id>
  <revision>
    <id>635</id>
    <timestamp>2024-02-20T13:46:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20231220131945|611">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>641</id>
    <parentid>603</parentid>
    <timestamp>2024-03-26T10:23:30Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4627" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by the Inria (...)

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

* '''[https://fr.linkedin.com/in/jos%C3%A9phine-riedinger-69083416b Joséphine RIEDINGER]'''  Thèse supervisée par Axel Hutt et Didier Pinault (INSERM) financée par l'action exploratoire "[[A/D Drugshttps://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation|A/D Drugs]]"  (déc. 2020 - ...)


==Alumni==

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>6122e9913b1665cf21b0135cb9d7052ae6bfd692</sha1>
  </revision>
</page>
<page arvcontinue="20231220131945|611">
  <title>Fichier:PhD thesis24 CCT short.pdf</title>
  <ns>6</ns>
  <id>49</id>
  <revision>
    <id>646</id>
    <timestamp>2024-04-03T09:10:29Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Description of PhD project</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="44" xml:space="preserve">== Description ==
Description of PhD project</text>
    <sha1>a6f5d3d01fa7fc041d947ea9d64854788e242519</sha1>
  </revision>
</page>
<page arvcontinue="20231220131945|611">
  <title>Projets</title>
  <ns>0</ns>
  <id>12</id>
  <revision>
    <id>651</id>
    <parentid>594</parentid>
    <timestamp>2024-04-09T14:33:15Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5638" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* '''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots (oct. 2021 - oct. 2025): Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular''': Simulation of needle insertion en virtual reality and haptics (oct. 2021 - oct. 2025), est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip (oct. 2021 - oct. 2025), est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).</text>
    <sha1>54c522eb645fa14f6e2963e0440d9a28619ab646</sha1>
  </revision>
</page>
<page arvcontinue="20231220131945|611">
  <title>Presentation</title>
  <ns>0</ns>
  <id>23</id>
  <revision>
    <id>659</id>
    <parentid>600</parentid>
    <timestamp>2024-04-26T13:00:22Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* Thèmes de recherches */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3790" xml:space="preserve">[[Fichier:Inria-logo.png|120px|thumb|L’Institut national de recherche en informatique et en automatique ]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en deux thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations et simulation en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
# Simulation physique personnalisées et en temps réel

* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement, deep physics, calcul GPU.
&lt;!--
===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU
--&gt;
===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>82d1a39d3d74282e667ffc51fb8e0a2f4638d59c</sha1>
  </revision>
</page>
<page arvcontinue="20240503150114|661">
  <title>Fichier:Offices.png</title>
  <ns>6</ns>
  <id>50</id>
  <revision>
    <id>661</id>
    <timestamp>2024-05-03T15:01:14Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>Room plan</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="27" xml:space="preserve">== Description ==
Room plan</text>
    <sha1>bc5eada7efac335c59ffd1ff284590e973e9f48f</sha1>
  </revision>
</page>
<page arvcontinue="20240503150114|661">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>662</id>
    <parentid>655</parentid>
    <timestamp>2024-05-06T12:09:57Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="76841" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''


==Séminaires / réunions passés==


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>9001143a91285cbf24df5b6c593758364212d9fc</sha1>
  </revision>
  <revision>
    <id>666</id>
    <parentid>662</parentid>
    <timestamp>2024-05-13T11:46:27Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="77928" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."

==Séminaires / réunions passés==


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>d9e1dd4128c76ea3ee74b773900315b4d29b346a</sha1>
  </revision>
  <revision>
    <id>669</id>
    <parentid>666</parentid>
    <timestamp>2024-06-11T09:18:03Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="79419" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


==Séminaires / réunions passés==

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>31cb45883452031dfb7d159c1526888401f1efa6</sha1>
  </revision>
  <revision>
    <id>670</id>
    <parentid>669</parentid>
    <timestamp>2024-06-23T16:32:43Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <comment>/* =Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="80256" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
** Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
** SimRender: a module for 3D rendering of numerical simulations (latest developments);
** SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


==Séminaires / réunions passés==

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>61f7d14959e39e9c97ae18fbf2a1e32eee103482</sha1>
  </revision>
  <revision>
    <id>671</id>
    <parentid>670</parentid>
    <timestamp>2024-06-23T16:33:03Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <comment>/* =Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="80253" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


==Séminaires / réunions passés==

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>0f75bde4de24cd816eb7e50204c04eaf2c512d50</sha1>
  </revision>
  <revision>
    <id>672</id>
    <parentid>671</parentid>
    <timestamp>2024-06-23T16:34:15Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <comment>/* =Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="80255" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
** SimRender: a module for 3D rendering of numerical simulations (latest developments);
** SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


==Séminaires / réunions passés==

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>a5e4aad2575e86bb2a664287e3fe9d149d83f1aa</sha1>
  </revision>
  <revision>
    <id>673</id>
    <parentid>672</parentid>
    <timestamp>2024-06-23T16:35:30Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="80319" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

==Séminaires / réunions passés==

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>445fce05fdd67fc0325fc757f6ec7d268a1a4f1c</sha1>
  </revision>
  <revision>
    <id>674</id>
    <parentid>673</parentid>
    <timestamp>2024-07-01T10:37:29Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="81565" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."

==Séminaires / réunions passés==

* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>afb7977aadd9db4e524efd84f47a287d7abad8d6</sha1>
  </revision>
  <revision>
    <id>676</id>
    <parentid>674</parentid>
    <timestamp>2024-07-15T22:25:14Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="82055" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."

==Séminaires / réunions passés==

* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>d6b11e145600f003501cc2547577b40b1989acf3</sha1>
  </revision>
  <revision>
    <id>677</id>
    <parentid>676</parentid>
    <timestamp>2024-07-29T13:02:31Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="83447" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


==Séminaires / réunions passés==


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>e5b22c71d6e9a969d74e9e5d58d9d7d0c9bde1dc</sha1>
  </revision>
  <revision>
    <id>679</id>
    <parentid>677</parentid>
    <timestamp>2024-08-28T09:25:18Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="83580" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''

* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

==Séminaires / réunions passés==

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>281c94696e565a9f6c39a464035897e19a2e6045</sha1>
  </revision>
  <revision>
    <id>680</id>
    <parentid>679</parentid>
    <timestamp>2024-08-28T12:51:59Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="85930" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

==Séminaires / réunions passés==

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>1494829d7298776088911dfd12b51d0fc1aeb678</sha1>
  </revision>
  <revision>
    <id>681</id>
    <parentid>680</parentid>
    <timestamp>2024-09-05T16:17:48Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <comment>/* =Prochains séminaires / réunions */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="86050" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

* Mardi 1er octobre 2024 : Présentation de '''Hugo Talbot'''

Titre : '''Adaptive Rigidification of Elastic Solids'''

==Séminaires / réunions passés==

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>4d03ef37394bbea466e5ffee9f15a43440251889</sha1>
  </revision>
  <revision>
    <id>700</id>
    <parentid>681</parentid>
    <timestamp>2024-09-17T08:51:14Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="87063" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."

* Mardi 1er octobre 2024 : Présentation de '''Hugo Talbot'''

Titre : '''Adaptive Rigidification of Elastic Solids'''

==Séminaires / réunions passés==

* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>5ae33c468c73296b152b0f40bda7fa058c2e5a26</sha1>
  </revision>
  <revision>
    <id>701</id>
    <parentid>700</parentid>
    <timestamp>2024-09-26T12:54:37Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="88324" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 15 octobre 2024 : Présentation de '''Hugo Talbot'''

Titre : '''Adaptive Rigidification of Elastic Solids'''


==Séminaires / réunions passés==

* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>217e900666ddc952c348da5fdf5759194e18537f</sha1>
  </revision>
  <revision>
    <id>702</id>
    <parentid>701</parentid>
    <timestamp>2024-09-29T14:01:55Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="89344" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 15 octobre 2024 : Présentation de '''Hugo Talbot'''

Titre : '''Adaptive Rigidification of Elastic Solids'''

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


==Séminaires / réunions passés==

* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>01c528031dd71a66ab4d522b953f188e3729160a</sha1>
  </revision>
  <revision>
    <id>703</id>
    <parentid>702</parentid>
    <timestamp>2024-10-01T08:20:02Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="90770" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

Titre : '''High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."


* Mardi 15 octobre 2024 : Présentation de '''Hugo Talbot'''

Titre : '''Adaptive Rigidification of Elastic Solids'''

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


==Séminaires / réunions passés==

* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>1b99648f94f439af118d37baaf64f1c580d04faa</sha1>
  </revision>
  <revision>
    <id>704</id>
    <parentid>703</parentid>
    <timestamp>2024-10-07T09:26:26Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="91889" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

Titre : '''High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

Titre : '''Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach forexecuting robotic needle insertion within deformable livingorgans. The objective is to maintain the insertion pivot pointon the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due torespiration. Therefore, real-time control and precise needlesteering are crucial. The proposed method relies on isolatedobjective constraints to ensure the objectives while steeringthe needle along a predefined trajectory. The needle insertionprocess benefits from Finite Element (FE) models to simulatethe environment and address the inverse problem to drivethe robot’s end effector (EE) by re-evaluating the objectivefunctions in the constraint space for each time step. So, thedesired motion of the robot’s EE could be calculated at a smallcost for non-linear functions in real-time, resulting in betterprecision and reducing stress caused to the organs."


* Mardi 15 octobre 2024 : Présentation de '''Hugo Talbot'''

Titre : '''Adaptive Rigidification of Elastic Solids'''

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


==Séminaires / réunions passés==

* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>f1155af075f4db9816acb2694e3821d1791ee80b</sha1>
  </revision>
  <revision>
    <id>705</id>
    <parentid>704</parentid>
    <timestamp>2024-10-07T09:33:54Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="91906" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

Titre : '''High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

Titre : '''Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 15 octobre 2024 : Présentation de '''Hugo Talbot'''

Titre : '''Adaptive Rigidification of Elastic Solids'''

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


==Séminaires / réunions passés==

* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>fba4db68d2f55b150c148768c90a6c5405414f62</sha1>
  </revision>
  <revision>
    <id>706</id>
    <parentid>705</parentid>
    <timestamp>2024-10-07T09:34:32Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="91913" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 15 octobre 2024 : Présentation de '''Hugo Talbot'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


==Séminaires / réunions passés==

* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>3dedec4c5fefd1625014c1eb410faafcdf943acd</sha1>
  </revision>
  <revision>
    <id>707</id>
    <parentid>706</parentid>
    <timestamp>2024-10-07T12:14:10Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="91934" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


==Séminaires / réunions passés==

* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>e1c39cb9c74a483ea61953c93d3b84c5b61bd597</sha1>
  </revision>
</page>
<page arvcontinue="20240503150114|661">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>663</id>
    <parentid>660</parentid>
    <timestamp>2024-05-12T09:40:47Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8621" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

[[Media:MGeST.pdf Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>c2bb1bd2e2d12d34f9f7e003cb35ca22d6493aa8</sha1>
  </revision>
  <revision>
    <id>665</id>
    <parentid>663</parentid>
    <timestamp>2024-05-12T09:44:28Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8622" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

[[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>272f88cd5f1b790f16663160cbda4a326f003ad8</sha1>
  </revision>
  <revision>
    <id>682</id>
    <parentid>665</parentid>
    <timestamp>2024-09-08T20:09:01Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8743" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[Media:PhD_GarSeM_2024_En.pdf |Deep 3D Garment Semantics]] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

[[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>20e724b3f1eb40da599533b77386774120a900c8</sha1>
  </revision>
  <revision>
    <id>683</id>
    <parentid>682</parentid>
    <timestamp>2024-09-08T20:09:46Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8797" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf  |Deep 3D Garment Semantics]] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].


[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

[[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>fd3655f2a6cf9cb7e21b07f3dfaf7db5843dddc4</sha1>
  </revision>
  <revision>
    <id>684</id>
    <parentid>683</parentid>
    <timestamp>2024-09-08T20:10:20Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8792" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf  |Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

[[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>c202713f28c51c81674cffb68fb3416c632add48</sha1>
  </revision>
  <revision>
    <id>685</id>
    <parentid>684</parentid>
    <timestamp>2024-09-08T20:10:37Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8790" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

[[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

[[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

[[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>09826762b95e3a74d7d92df484c8e18833839b59</sha1>
  </revision>
  <revision>
    <id>686</id>
    <parentid>685</parentid>
    <timestamp>2024-09-08T20:11:23Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8802" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>a9ae08d6490f4263688c854a3918382491a2bae2</sha1>
  </revision>
  <revision>
    <id>687</id>
    <parentid>686</parentid>
    <timestamp>2024-09-08T20:12:25Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8811" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

&lt;!--
* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>70219094510dc36a7a5de7da1556e6ad34bc8741</sha1>
  </revision>
  <revision>
    <id>688</id>
    <parentid>687</parentid>
    <timestamp>2024-09-08T20:12:49Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8822" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.

* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

&lt;!--
* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>bdd70824b2c5383ffd643288a705ae679cc6e824</sha1>
  </revision>
  <revision>
    <id>689</id>
    <parentid>688</parentid>
    <timestamp>2024-09-08T20:13:10Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8822" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.

&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>e24a4f053ec7bbccb45db2c9d9989979515ec1d1</sha1>
  </revision>
  <revision>
    <id>690</id>
    <parentid>689</parentid>
    <timestamp>2024-09-08T20:13:19Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8821" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.

&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>acee72195f3fe5cdb1297b15fe77a4f853128b4a</sha1>
  </revision>
  <revision>
    <id>691</id>
    <parentid>690</parentid>
    <timestamp>2024-09-08T20:13:28Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8820" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>6634c5c8fd07f82c071ec25229f2ee73c4ddc207</sha1>
  </revision>
  <revision>
    <id>697</id>
    <parentid>691</parentid>
    <timestamp>2024-09-09T13:44:03Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8826" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf [NEW] Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>6ccc112bf1d608a686a32e1962571f283f9071e5</sha1>
  </revision>
  <revision>
    <id>698</id>
    <parentid>697</parentid>
    <timestamp>2024-09-09T13:44:21Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8834" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf \['''NEW'''\] Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>837d8e5edc10583f83ae16c0780abc50579ee8d7</sha1>
  </revision>
  <revision>
    <id>699</id>
    <parentid>698</parentid>
    <timestamp>2024-09-09T13:44:39Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2024 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="8831" xml:space="preserve">== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>d3f5965cd0f40d0d21958e050ab9a4b18789bd11</sha1>
  </revision>
  <revision>
    <id>710</id>
    <parentid>699</parentid>
    <timestamp>2024-10-10T17:52:04Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="9301" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2025 ==
* Generative Models for Garment Mesh (encadrants: [https://mimesis.inria.fr/members/axel-hutt/ Hyewon Seo] et Cédric Bobenrieth)
* Garment-SAM: Segmenting garment images (encadrants: [https://mimesis.inria.fr/members/axel-hutt/ Hyewon Seo] et Cédric Bobenrieth)
* Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh (encadrants: [https://mimesis.inria.fr/members/axel-hutt/ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>bcb9344449c0842ffbd8ca9b86687e14472e3fa6</sha1>
  </revision>
  <revision>
    <id>711</id>
    <parentid>710</parentid>
    <timestamp>2024-10-10T17:57:42Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="9518" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2025 ==
* [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>dccbdd09ec4d70bacc5b3025b496466c707f3a7e</sha1>
  </revision>
</page>
<page arvcontinue="20240503150114|661">
  <title>Fichier:MGeST.pdf</title>
  <ns>6</ns>
  <id>51</id>
  <revision>
    <id>664</id>
    <timestamp>2024-05-12T09:43:45Z</timestamp>
    <contributor>
      <username>Unknown user</username>
      <id>0</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20240503150114|661">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>675</id>
    <parentid>641</parentid>
    <timestamp>2024-07-02T06:50:47Z</timestamp>
    <contributor>
      <username>Axel.hutt</username>
      <id>10</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4400" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)


==Alumni==

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>8b63121fad9618280ec44dd28091c9500af7ddcd</sha1>
  </revision>
  <revision>
    <id>693</id>
    <parentid>675</parentid>
    <timestamp>2024-09-09T13:12:07Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Membres permanents */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4581" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* ['''Romain Orhand'''], Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* ['''Pablo Alvarez'''], Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)


==Alumni==

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>724d9ff175e71189e3910ee6fc0d65210f65c672</sha1>
  </revision>
  <revision>
    <id>694</id>
    <parentid>693</parentid>
    <timestamp>2024-09-09T13:12:24Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Membres permanents */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4565" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria

==Doctorants==
Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)


==Alumni==

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>cd14759ad8d4c98202e276aca1107381af382d6e</sha1>
  </revision>
  <revision>
    <id>695</id>
    <parentid>694</parentid>
    <timestamp>2024-09-09T13:16:12Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4699" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

==Alumni==

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>d86f5d7d8f1117a24e2fed87f8ac4f7d9d2c3a3c</sha1>
  </revision>
  <revision>
    <id>696</id>
    <parentid>695</parentid>
    <timestamp>2024-09-09T13:17:27Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Alumni */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4798" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

==Post-docs==

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

==Alumni==
* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>db870a31d8b76c30b83becb25bff220519cd744d</sha1>
  </revision>
  <revision>
    <id>708</id>
    <parentid>696</parentid>
    <timestamp>2024-10-08T08:50:12Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4779" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

==Post-docs==

* '''Raphaël Bulle''' supervised by Michel Duprez funded by ANR

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

==Alumni==
* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>43966bc4bc0187d184067b3ad3b08f6754016ce3</sha1>
  </revision>
  <revision>
    <id>709</id>
    <parentid>708</parentid>
    <timestamp>2024-10-08T08:52:02Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4806" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] supervised by Michel Duprez funded by ANR

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2022- ...)
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

==Alumni==
* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>029c4c9341548567c39d9c9561e4cb7bc950ac6a</sha1>
  </revision>
</page>
<page arvcontinue="20240503150114|661">
  <title>Actualités</title>
  <ns>0</ns>
  <id>10</id>
  <revision>
    <id>678</id>
    <parentid>618</parentid>
    <timestamp>2024-07-31T14:05:21Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3234" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;
Juillet 2024:
* Le projet GarSeM (PRC, coordinatrice: Hyewon Seo) a été sélectionné pour financement par l'ANR!

Mai 2024: 
* Deux articles ont été acceptés à MICCAI 2024!
 
Décembre 2023:
* La thèse de Alban Odot est soutenue.

Octobre 2023:
* L'équipe accueille trois chercheurs du University of Applied Sciences Ansbach, Allemagne.
* Hadrien Courtecuisse participent à la fête de la science.

Septembre 2023:
* La thèse de Ziqiu Zeng est soutenue.

June 2023: 
* L'équipe déménagera dans le bâtiment NextMed début juin.

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

Décembre 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).</text>
    <sha1>b46bc1234160d05b315ae5a424a5afde8329be4c</sha1>
  </revision>
  <revision>
    <id>692</id>
    <parentid>678</parentid>
    <timestamp>2024-09-09T13:10:20Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3343" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;
Septembre 2024:
* Deux nouveaux membres permanant nous rejoignent: Pablo Alvarez et Romain Orhand. Welcome!

Juillet 2024:
* Le projet GarSeM (PRC, coordinatrice: Hyewon Seo) a été sélectionné pour financement par l'ANR!

Mai 2024: 
* Deux articles ont été acceptés à MICCAI 2024!
 
Décembre 2023:
* La thèse de Alban Odot est soutenue.

Octobre 2023:
* L'équipe accueille trois chercheurs du University of Applied Sciences Ansbach, Allemagne.
* Hadrien Courtecuisse participent à la fête de la science.

Septembre 2023:
* La thèse de Ziqiu Zeng est soutenue.

June 2023: 
* L'équipe déménagera dans le bâtiment NextMed début juin.

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

Décembre 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).</text>
    <sha1>85159e7d00afbccb91a431b654b852eae443f808</sha1>
  </revision>
</page>
<page arvcontinue="20240503150114|661">
  <title>Fichier:Stage-Generative Models for Garment Mesh-2024 En.pdf</title>
  <ns>6</ns>
  <id>52</id>
  <revision>
    <id>712</id>
    <timestamp>2024-10-10T18:03:38Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Fichier:Stage-Garment-SAM-2025 En.pdf</title>
  <ns>6</ns>
  <id>53</id>
  <revision>
    <id>713</id>
    <timestamp>2024-10-10T18:10:33Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>714</id>
    <parentid>711</parentid>
    <timestamp>2024-10-10T18:28:01Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="9499" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2025 ==
* [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>e52a319d41a46485fe5a64986cb40de8341fcdc4</sha1>
  </revision>
  <revision>
    <id>723</id>
    <parentid>714</parentid>
    <timestamp>2024-11-07T13:10:45Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10125" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2025 ==
* [[Media:Stage-3D Human Motion Diffusion Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang)
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang)

* [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>59c78060fc2c854146bd7152ab3aecb2d099677f</sha1>
  </revision>
  <revision>
    <id>725</id>
    <parentid>723</parentid>
    <timestamp>2024-11-07T13:12:23Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10125" xml:space="preserve">== Stage d'ingénieur ou M2 pour l'année 2025 ==
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang)
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang)

* [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>e072a724e8744a0701df9780f0c031b77cbd4a4f</sha1>
  </revision>
  <revision>
    <id>744</id>
    <parentid>725</parentid>
    <timestamp>2024-12-26T14:13:03Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10290" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025_En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang)
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang)

* [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>ce79947b58e7baade80b5f6798d02b00deac6b36</sha1>
  </revision>
  <revision>
    <id>746</id>
    <parentid>744</parentid>
    <timestamp>2024-12-26T14:14:16Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10290" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang)
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang)

* [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>8a6609cffa28c00fe746a193b69f90f7d06abfbb</sha1>
  </revision>
  <revision>
    <id>754</id>
    <parentid>746</parentid>
    <timestamp>2025-01-16T13:28:29Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1/M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10301" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang)
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) =&gt; pourvu.

* [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>2bed471f927ed1808498ad4288347c0059e881c4</sha1>
  </revision>
  <revision>
    <id>755</id>
    <parentid>754</parentid>
    <timestamp>2025-01-16T20:24:10Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1/M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10311" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang)
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) =&gt; pourvu.

&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --!&gt;
* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>af2857bebd66cdfa4390adca4ef226347ae038c7</sha1>
  </revision>
  <revision>
    <id>756</id>
    <parentid>755</parentid>
    <timestamp>2025-01-16T20:25:09Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1/M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10310" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang)
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) =&gt; pourvu.
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>5b7fcc5e49ba5fb3b1dfc3e27dff5b89f34d2a7e</sha1>
  </revision>
  <revision>
    <id>758</id>
    <parentid>756</parentid>
    <timestamp>2025-01-24T10:16:36Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1/M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10321" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) =&gt; pourvu.
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) =&gt; pourvu.
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>19887ce9004a662b9afd4089d6a1decc27634e45</sha1>
  </revision>
  <revision>
    <id>759</id>
    <parentid>758</parentid>
    <timestamp>2025-01-24T10:17:20Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1/M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10373" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) =&gt; &lt;p style="color:red;"&gt;pourvu.&lt;/p&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) =&gt; &lt;p style="color:red;"&gt;pourvu.&lt;/p&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>3b11871ab9ace22e53765e503da06011067fbf10</sha1>
  </revision>
  <revision>
    <id>760</id>
    <parentid>759</parentid>
    <timestamp>2025-01-24T10:18:04Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1/M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10373" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;p style="color:red;"&gt; =&gt;pourvu.&lt;/p&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) =&gt; &lt;p style="color:red;"&gt;pourvu.&lt;/p&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>dcb92412d46144d2ff4eed34155866a0d34a0cb2</sha1>
  </revision>
  <revision>
    <id>761</id>
    <parentid>760</parentid>
    <timestamp>2025-01-24T10:18:37Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1/M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10373" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;p style="color:red;"&gt; =&gt;pourvu.&lt;/p&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;p style="color:red;"&gt; =&gt;pourvu.&lt;/p&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>4a0e750a96baad867bdbcea60f441ec56e37474e</sha1>
  </revision>
  <revision>
    <id>762</id>
    <parentid>761</parentid>
    <timestamp>2025-01-24T10:21:35Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1/M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10371" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>c289eb13b76c381670fdbf824d410513b0ae272c</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>715</id>
    <parentid>707</parentid>
    <timestamp>2024-10-14T14:57:14Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="93477" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


==Séminaires / réunions passés==


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 

* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>a44c36b56a6d6c2de058716c5975aa001ac17471</sha1>
  </revision>
  <revision>
    <id>721</id>
    <parentid>715</parentid>
    <timestamp>2024-11-04T17:35:26Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="93478" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


==Séminaires / réunions passés==


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 

* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>8bf12965238d43c9d9b736aca66844ea768dbf88</sha1>
  </revision>
  <revision>
    <id>729</id>
    <parentid>721</parentid>
    <timestamp>2024-11-11T09:23:23Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="94253" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 

==Séminaires / réunions passés==

* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 

* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."
&lt;!--

* Mardi 23 mai 2023


* Mardi 9 mai 2023


* Mardi 25 avril 2023


* Mardi 11 avril 2023--&gt;


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."
&lt;!--

* Mardi 21 mars 2023--&gt;


* Mardi 14 mars 2023 : présentation de '''Nicola Zott'''o sur les "Graph Neural Network"
&lt;!--

* Mardi 28 février 2023 : pas de réunion d'équipe--&gt;


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
 Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
 This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
 Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
 During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."
&lt;!--

* mardi 3 mai 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."
&lt;!--

* mardi 22 février 2022 : réunion d'équipe à 11h--&gt;


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>35037070dbca22bc1f261a9f4d3f86c4ef033e52</sha1>
  </revision>
  <revision>
    <id>730</id>
    <parentid>729</parentid>
    <timestamp>2024-11-13T08:46:24Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="93914" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 

==Séminaires / réunions passés==

* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 

* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."

* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."

* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."

* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."

* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."

* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en ressources."

* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"

* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''


'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."

* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."

* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''

* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."

* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."

* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."

* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."
&lt;!--

* mardi 3 janvier 2023 : pas de réunion d'équipe


* mardi 27 décembre 2022 : pas de réunion d'équipe


* mardi 13 décembre 2022 : réunion d'équipe à 11h


* mardi 22 novembre 2022 : réunion d'équipe à 11h--&gt;


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"
&lt;!--

* mardi 25 octobre 2022 : réunion d'équipe à 11h--&gt;


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."
&lt;!--

* mardi 13 septembre 2022 : réunion d'équipe à 11h


* mardi 19 juillet 2022 : réunion d'équipe à 11h--&gt;


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>4b2af7a2428251be63c4734ffed0ad800052f9b8</sha1>
  </revision>
  <revision>
    <id>731</id>
    <parentid>730</parentid>
    <timestamp>2024-11-13T08:48:28Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="93519" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 

==Séminaires / réunions passés==

* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."

* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>0fbd5339892810c6c4038bb3b00041b777ea6b5d</sha1>
  </revision>
  <revision>
    <id>732</id>
    <parentid>731</parentid>
    <timestamp>2024-11-13T08:49:12Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="93520" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 

==Séminaires / réunions passés==

* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>8f248bb0a32cbda3b94aa565d4314efcfdacd682</sha1>
  </revision>
  <revision>
    <id>733</id>
    <parentid>732</parentid>
    <timestamp>2024-11-18T18:13:30Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="95023" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS),
collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS
 clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the
patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process.
 Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 

==Séminaires / réunions passés==


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>cd3d36853eff1fc3af403000dc894671300bac1b</sha1>
  </revision>
  <revision>
    <id>734</id>
    <parentid>733</parentid>
    <timestamp>2024-11-18T18:14:29Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="95021" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 

==Séminaires / réunions passés==


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>7aa984cb84b3cb30699f95c7398b9479fa6809da</sha1>
  </revision>
  <revision>
    <id>738</id>
    <parentid>734</parentid>
    <timestamp>2024-11-29T17:09:25Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="96732" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 11 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."


==Séminaires / réunions passés==

* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>1fe6c8ec274435b775eb560e51dd66b203ca5a06</sha1>
  </revision>
  <revision>
    <id>739</id>
    <parentid>738</parentid>
    <timestamp>2024-11-29T17:10:54Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="96732" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."


==Séminaires / réunions passés==

* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>2c855e6a1f336948c10356d6cb7e503b782fa35d</sha1>
  </revision>
  <revision>
    <id>740</id>
    <parentid>739</parentid>
    <timestamp>2024-12-02T07:51:01Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="98625" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."

* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."


==Séminaires / réunions passés==

* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>fa0a103dd1c60b9b7451a5168553dca83b4901fd</sha1>
  </revision>
  <revision>
    <id>741</id>
    <parentid>740</parentid>
    <timestamp>2024-12-16T13:51:46Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="98626" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


==Séminaires / réunions passés==

* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>3e03b3f0dc40a1877637d019e8722a6225f9ecf1</sha1>
  </revision>
  <revision>
    <id>742</id>
    <parentid>741</parentid>
    <timestamp>2024-12-19T13:56:55Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="100089" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Mardi 27 janvier 2024 : Présentation de '''Jonathan Mamou''' (ENS télécommunication, Paris)

'''Titre:''' "Modern Applications of Quantitative Ultrasound for Biomedical Research"

'''Résumé:''' "Quantitative ultrasound (QUS) is an active research field focused on obtaining quantitative
tissue properties (i.e., system- and user-independent) from ultrasound data. Conventional
ultrasound imaging is commonly used to visualize soft tissue morphology. During scanning, a
gray-scale B-mode image is displayed on screen from which a trained clinician can evaluate
tissue states. However, B-mode ultrasound image formation discards valuable information in the
raw backscattered echo signal that encodes information about tissue microstructure. Therefore,
microstructural changes in soft tissues that accompany disease processes, but do not directly
affect tissue morphology, may not be visible in B-mode images. QUS methods use the raw
ultrasound data to reconstruct parametric maps that are representative of tissue microstructure.
In this talk, I will review conventional ultrasound imaging and QUS methods based on analyzing
the backscatter coefficient and envelope statistics. I will present recent in vivo results from
lymph nodes (cancer) and eyes (myopia). I will also briefly present results to improve and use
quantitative acoustic microscopy systems used to image thin sections of tissues at ultra-high
ultrasound frequencies (i.e., 250-1000 MHz)."


==Séminaires / réunions passés==

* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>8fedf188f5de575b4890708621ef9ec32fc93616</sha1>
  </revision>
  <revision>
    <id>743</id>
    <parentid>742</parentid>
    <timestamp>2024-12-19T15:47:00Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="100089" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=


* Lundi 27 janvier 2024 : Présentation de '''Jonathan Mamou''' (ENS télécommunication, Paris)

'''Titre:''' "Modern Applications of Quantitative Ultrasound for Biomedical Research"

'''Résumé:''' "Quantitative ultrasound (QUS) is an active research field focused on obtaining quantitative
tissue properties (i.e., system- and user-independent) from ultrasound data. Conventional
ultrasound imaging is commonly used to visualize soft tissue morphology. During scanning, a
gray-scale B-mode image is displayed on screen from which a trained clinician can evaluate
tissue states. However, B-mode ultrasound image formation discards valuable information in the
raw backscattered echo signal that encodes information about tissue microstructure. Therefore,
microstructural changes in soft tissues that accompany disease processes, but do not directly
affect tissue morphology, may not be visible in B-mode images. QUS methods use the raw
ultrasound data to reconstruct parametric maps that are representative of tissue microstructure.
In this talk, I will review conventional ultrasound imaging and QUS methods based on analyzing
the backscatter coefficient and envelope statistics. I will present recent in vivo results from
lymph nodes (cancer) and eyes (myopia). I will also briefly present results to improve and use
quantitative acoustic microscopy systems used to image thin sections of tissues at ultra-high
ultrasound frequencies (i.e., 250-1000 MHz)."


==Séminaires / réunions passés==

* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>233542e0d0605874fb2c1030f0b438053e1db8a9</sha1>
  </revision>
  <revision>
    <id>753</id>
    <parentid>743</parentid>
    <timestamp>2025-01-07T11:17:49Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="100638" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Lundi 14 janvier 2024 : Présentation de '''Ishak  Barkat'''

'''Titre:''' "Temporal Analysis of Optical Images for Fine Detection of Avalanches"

'''Résumé:''' "Based on a study conducted in the city of Bessans, we employed image processing techniques and advanced artificial intelligence methods on images obtained from the surveillance station. Our objective was to study and detect avalanches as a first step, and to predict them as a second step. Through experiments, we tested and implemented a protocol that yielded significant results."

* Lundi 27 janvier 2024 : Présentation de '''Jonathan Mamou''' (ENS télécommunication, Paris)

'''Titre:''' "Modern Applications of Quantitative Ultrasound for Biomedical Research"

'''Résumé:''' "Quantitative ultrasound (QUS) is an active research field focused on obtaining quantitative
tissue properties (i.e., system- and user-independent) from ultrasound data. Conventional
ultrasound imaging is commonly used to visualize soft tissue morphology. During scanning, a
gray-scale B-mode image is displayed on screen from which a trained clinician can evaluate
tissue states. However, B-mode ultrasound image formation discards valuable information in the
raw backscattered echo signal that encodes information about tissue microstructure. Therefore,
microstructural changes in soft tissues that accompany disease processes, but do not directly
affect tissue morphology, may not be visible in B-mode images. QUS methods use the raw
ultrasound data to reconstruct parametric maps that are representative of tissue microstructure.
In this talk, I will review conventional ultrasound imaging and QUS methods based on analyzing
the backscatter coefficient and envelope statistics. I will present recent in vivo results from
lymph nodes (cancer) and eyes (myopia). I will also briefly present results to improve and use
quantitative acoustic microscopy systems used to image thin sections of tissues at ultra-high
ultrasound frequencies (i.e., 250-1000 MHz)."


==Séminaires / réunions passés==

* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>5be2fcc168c2d27f14bb426e3dce0a399d7f8453</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Fichier:Stage-Garment MeshNet-2025 En.pdf</title>
  <ns>6</ns>
  <id>54</id>
  <revision>
    <id>716</id>
    <timestamp>2024-10-18T13:50:42Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Projets</title>
  <ns>0</ns>
  <id>12</id>
  <revision>
    <id>717</id>
    <parentid>651</parentid>
    <timestamp>2024-10-28T14:04:50Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6299" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs]''' (oct. 2020 -...) : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC]''' : Artificial Intelligence for Care (sept. 2020 - août 2024) : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video (sept. 2021 - août 2022) : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://human4d.unistra.fr/ Human4D]''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion (oct. 2019 - mar. 2024), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry]''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie (dec. 2018 - nov. 2021), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD]''' (janv. 2021 - déc. 2022) : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle''' (sept. 2015 - janv. 2022) est un projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA]''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher (juin 2020 - ). L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* '''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots (oct. 2021 - oct. 2025): Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular''': Simulation of needle insertion en virtual reality and haptics (oct. 2021 - oct. 2025), est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip (oct. 2021 - oct. 2025), est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).

* '''[https://garsem.unistra.fr/ GarSeM]''' : Deep Garment Semantics (oct. 2024- oct. 2028), est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 3 partenaires nationaux : ENSAIT (Univ. Lille), ICube (Univ. Strasbourg), et LIRIS (Ecole Central de Lyon). GarSeM vise une compréhension sémantique approfondie des vêtements, qui présentent des comportements topologiques et physiques complexes.</text>
    <sha1>90f50965a3d9e032665ff52b6a53573ff0dd2be5</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Faits marquants</title>
  <ns>0</ns>
  <id>46</id>
  <revision>
    <id>718</id>
    <parentid>617</parentid>
    <timestamp>2024-11-04T08:38:06Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1484" xml:space="preserve">Novembre 2024: 
* Nos doctorants de 3ᵉ année ont présenté nos articles dans des conférences internationales : un full paper à PacificGraphics (qui apparaîtra dans une revue internationale), trois à l'IEEE IROS, deux à MICCAI et deux aux workshops satellites de MICCAI!
* L'équipe va organisé la 38eme conference internationale CASA (Computer Animation and Social Agents) en juin 2025.

Octobre 2023:
* Notre article "Video-based gait analysis for assessing Alzheimer's Disease and Dementia with Lewy Bodies" publié au MICCAI workshop on Applications of Medical AI (AMAI) a eu le prix de "Best Student Paper"!

Août 2023: 
* Le workshop dont trois membres de l'équipe ont participé s'est tenu avec succès à Busan, Corée du Sud. Il s'agit du workshop sur "Surgical robots, Robot vision, and 4D Human models for Healthcare" co-localisé avec la conférence IEEE RO-MAN où il y avait au moins 500 participants.

Juillet 2023: 
* Axel Hutt, avec ses collègues canadiens a publié un article à PNAS (Proceedings of National Academy of Science), une revue int’l de l’impact facteur 11. Cet article explore comment la diversité entre les neurones dans un réseau neuronal pourrait jouer un rôle dans la stabilisation de son comportement.

June 2023
* L'équipe accueillera trois jeunes chercheurs du KAIST le 1er juin, avec qui on organise ICube-KAIST workshop on AI (Hyewon Seo). Voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].</text>
    <sha1>c912a93948196b503c1b03b125b79f1c0947bb30</sha1>
  </revision>
  <revision>
    <id>719</id>
    <parentid>718</parentid>
    <timestamp>2024-11-04T08:42:26Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1491" xml:space="preserve">Novembre 2024: 
* Nos 8 doctorants de 3ᵉ année ont présenté nos articles dans des conférences internationales : un full paper à PacificGraphics (qui apparaîtra dans une revue internationale), trois à l'IEEE/RSJ IROS, deux à MICCAI et deux aux workshops satellites de MICCAI!
* L'équipe va organiser la 38ᵉ conférence internationale CASA (Computer Animation and Social Agents) en juin 2025.

Octobre 2023:
* Notre article "Video-based gait analysis for assessing Alzheimer's Disease and Dementia with Lewy Bodies" publié au MICCAI workshop on Applications of Medical AI (AMAI) a eu le prix de "Best Student Paper"!

Août 2023: 
* Le workshop dont trois membres de l'équipe ont participé s'est tenu avec succès à Busan, Corée du Sud. Il s'agit du workshop sur "Surgical robots, Robot vision, and 4D Human models for Healthcare" co-localisé avec la conférence IEEE RO-MAN où il y avait au moins 500 participants.

Juillet 2023: 
* Axel Hutt, avec ses collègues canadiens a publié un article à PNAS (Proceedings of National Academy of Science), une revue int’l de l’impact facteur 11. Cet article explore comment la diversité entre les neurones dans un réseau neuronal pourrait jouer un rôle dans la stabilisation de son comportement.

June 2023
* L'équipe accueillera trois jeunes chercheurs du KAIST le 1er juin, avec qui on organise ICube-KAIST workshop on AI (Hyewon Seo). Voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].</text>
    <sha1>d2d569915d9fe2859a1044fac5dfc8f5bc4931e0</sha1>
  </revision>
  <revision>
    <id>720</id>
    <parentid>719</parentid>
    <timestamp>2024-11-04T08:44:58Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="1489" xml:space="preserve">Novembre 2024: 
* Nos 7 doctorants de 3ᵉ année ont présenté 8 articles dans des conférences internationales : un full paper à PacificGraphics (qui apparaîtra dans une revue internationale), trois à l'IEEE/RSJ IROS, deux à MICCAI et deux aux workshops satellites de MICCAI.
* L'équipe va organiser la 38ᵉ conférence internationale CASA (Computer Animation and Social Agents) en juin 2025.

Octobre 2023:
* Notre article "Video-based gait analysis for assessing Alzheimer's Disease and Dementia with Lewy Bodies" publié au MICCAI workshop on Applications of Medical AI (AMAI) a eu le prix de "Best Student Paper"!

Août 2023: 
* Le workshop dont trois membres de l'équipe ont participé s'est tenu avec succès à Busan, Corée du Sud. Il s'agit du workshop sur "Surgical robots, Robot vision, and 4D Human models for Healthcare" co-localisé avec la conférence IEEE RO-MAN où il y avait au moins 500 participants.

Juillet 2023: 
* Axel Hutt, avec ses collègues canadiens a publié un article à PNAS (Proceedings of National Academy of Science), une revue int’l de l’impact facteur 11. Cet article explore comment la diversité entre les neurones dans un réseau neuronal pourrait jouer un rôle dans la stabilisation de son comportement.

June 2023
* L'équipe accueillera trois jeunes chercheurs du KAIST le 1er juin, avec qui on organise ICube-KAIST workshop on AI (Hyewon Seo). Voici le [https://human4d.unistra.fr/index.php/ICube_KAIST_Workshop2023 programme].</text>
    <sha1>9933aa6af04243f60c34938324eb383383e7dc15</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>722</id>
    <parentid>709</parentid>
    <timestamp>2024-11-05T10:02:16Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4805" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] supervised by Michel Duprez funded by ANR

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2021- ...)
* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

==Alumni==
* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>081eb5e96a5e7fae3f8248c9154101189c51f5b6</sha1>
  </revision>
  <revision>
    <id>735</id>
    <parentid>722</parentid>
    <timestamp>2024-11-20T19:53:16Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4853" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

* '''BARKAT Ishak''', ingénieur (oct 2024 - )

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] supervised by Michel Duprez funded by ANR

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2021- ...)
* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

==Alumni==
* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>ce810a83cebe995aea28bc2a7d9d1c7416370082</sha1>
  </revision>
  <revision>
    <id>736</id>
    <parentid>735</parentid>
    <timestamp>2024-11-20T19:53:39Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4853" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023-)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

* '''Ishak Barkat''', ingénieur (oct 2024 - )

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] supervised by Michel Duprez funded by ANR

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2021- ...)
* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

==Alumni==
* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>2cb7ec146017b0a488339141d8dbec468d835365</sha1>
  </revision>
  <revision>
    <id>737</id>
    <parentid>736</parentid>
    <timestamp>2024-11-20T19:54:22Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4864" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023- août 2024)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

* '''Ishak Barkat''', ingénieur (oct 2024 - )

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] supervised by Michel Duprez funded by ANR

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2021- ...)
* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - ...)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - ...)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - ...)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - ...)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - ...)

==Alumni==
* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>2e0f48f628bc2b068882de8d8f862ff97a897749</sha1>
  </revision>
  <revision>
    <id>747</id>
    <parentid>737</parentid>
    <timestamp>2024-12-26T15:55:33Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4941" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023- août 2024)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

* '''Ishak Barkat''', ingénieur (oct 2024 - )

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] funded by ANR

* '''Boyang Yu''', funded by projet HuMoCar (jan. 2025 - apr. 2025)

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2021- dec. 2024)
* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - dec. 2024)
* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - dec. 2024)
* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - dec. 2024)
* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - dec. 2024)
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

Ph.D. 2020:

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - nov. 2024)

==Alumni==
* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>980b772dd157cb1eeeea635b9f5a21745ad7d230</sha1>
  </revision>
  <revision>
    <id>748</id>
    <parentid>747</parentid>
    <timestamp>2024-12-26T15:56:59Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4126" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023- août 2024)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

* '''Ishak Barkat''', ingénieur (oct 2024 - )

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] funded by ANR

* '''Boyang Yu''', funded by projet HuMoCar (jan. 2025 - apr. 2025)

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

==Alumni==
* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>ce4a3aeac174f00fadb336bd9e3b71367a0652f4</sha1>
  </revision>
  <revision>
    <id>749</id>
    <parentid>748</parentid>
    <timestamp>2024-12-26T15:57:52Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Alumni */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4933" xml:space="preserve">[[Fichier:Team photo.jpg|900px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023- août 2024)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

* '''Ishak Barkat''', ingénieur (oct 2024 - )

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] funded by ANR

* '''Boyang Yu''', funded by projet HuMoCar (jan. 2025 - apr. 2025)

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

==Alumni==
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2021- dec. 2024)

* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - dec. 2024)

* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - dec. 2024)

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - dec. 2024)

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - dec. 2024)

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - nov. 2024)

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>3aac850d363aede86012d9a6f9c6d0e470335414</sha1>
  </revision>
  <revision>
    <id>750</id>
    <parentid>749</parentid>
    <timestamp>2024-12-26T15:58:51Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4933" xml:space="preserve">[[Fichier:Team photo.jpg|750px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023- août 2024)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

* '''Ishak Barkat''', ingénieur (oct 2024 - )

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] funded by ANR

* '''Boyang Yu''', funded by projet HuMoCar (jan. 2025 - apr. 2025)

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

==Alumni==
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2021- dec. 2024)

* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - dec. 2024)

* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - dec. 2024)

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - dec. 2024)

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - dec. 2024)

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - nov. 2024)

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>afbbb38c7785ee9fa7628e86969cdfa68069a52d</sha1>
  </revision>
  <revision>
    <id>751</id>
    <parentid>750</parentid>
    <timestamp>2024-12-26T15:59:11Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4933" xml:space="preserve">[[Fichier:Team photo.jpg|650px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023- août 2024)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

* '''Ishak Barkat''', ingénieur (oct 2024 - )

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] funded by ANR

* '''Boyang Yu''', funded by projet HuMoCar (jan. 2025 - apr. 2025)

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

==Alumni==
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2021- dec. 2024)

* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - dec. 2024)

* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - dec. 2024)

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - dec. 2024)

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - dec. 2024)

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - nov. 2024)

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>08128c3909c82a4f1253975e62031fbd3edf3ecc</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Fichier:Stage-3D Human Motion Diffusion Model.pdf</title>
  <ns>6</ns>
  <id>55</id>
  <revision>
    <id>724</id>
    <timestamp>2024-11-07T13:11:06Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
  <revision>
    <id>728</id>
    <parentid>724</parentid>
    <timestamp>2024-11-07T13:21:26Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>Hyewon.seo a téléversé une nouvelle version de [[Fichier:Stage-3D Human Motion Diffusion Model.pdf]]</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Fichier:Stage-ActionRecognition.pdf</title>
  <ns>6</ns>
  <id>56</id>
  <revision>
    <id>726</id>
    <timestamp>2024-11-07T13:12:51Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Fichier:Stage-DeBIAN.pdf</title>
  <ns>6</ns>
  <id>57</id>
  <revision>
    <id>727</id>
    <timestamp>2024-11-07T13:14:29Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Fichier:Stage-GarmentFactory-2025 En.pdf</title>
  <ns>6</ns>
  <id>58</id>
  <revision>
    <id>745</id>
    <timestamp>2024-12-26T14:13:25Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20241010181033|713">
  <title>Actualités</title>
  <ns>0</ns>
  <id>10</id>
  <revision>
    <id>752</id>
    <parentid>692</parentid>
    <timestamp>2024-12-26T16:02:43Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3439" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;
Decembre 2024:
* Six doctorants de l'équipe viennent de soutenir leur thèse. Félicitations!

Septembre 2024:
* Deux nouveaux membres permanant nous rejoignent: Pablo Alvarez et Romain Orhand. Welcome!

Juillet 2024:
* Le projet GarSeM (PRC, coordinatrice: Hyewon Seo) a été sélectionné pour financement par l'ANR!

Mai 2024: 
* Deux articles ont été acceptés à MICCAI 2024!
 
Décembre 2023:
* La thèse de Alban Odot est soutenue.

Octobre 2023:
* L'équipe accueille trois chercheurs du University of Applied Sciences Ansbach, Allemagne.
* Hadrien Courtecuisse participent à la fête de la science.

Septembre 2023:
* La thèse de Ziqiu Zeng est soutenue.

June 2023: 
* L'équipe déménagera dans le bâtiment NextMed début juin.

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

Décembre 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).</text>
    <sha1>bbcf6203cf9908bf33df57431bca1ff9a9eb91b1</sha1>
  </revision>
  <revision>
    <id>757</id>
    <parentid>752</parentid>
    <timestamp>2025-01-21T12:57:33Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3557" xml:space="preserve">&lt;!-- * 01/01/2021: Création de l'équipe MLMS - Machine Learning, Modélisation et Simulation (Co-responsables de l'équipe: Stéphane Cotin et Hyewon Seo).
* Mai 2021: 2 doctorants (ingénieurs pré-thèse) Boyang YU, Sidaty EL HADRAMY nous ont rejoint, bienvenue!
* Juillet 2021: L'activité randonnée de l'équipe à Kaysersberg est organisé.
* Juillet 2021: Dr. Maia Kim, Principal Researcher à l'Electronics and Telecommunications Research Institute (ETRI) nous a rendu visite.
* Septembre 2021: La thèse de Sergei Nikolaev, "Identification and characterization of boundary conditions for patient-specific biomechanical simulation" est soutenue. 
* Octobre 2021: 3 doctorants, Diwei WANG, Thomas WAHL, et Valentina Scarponi nous rejoint, bienvenue!
* Novembre 2021: 2 doctorants, Nicola ZOTTO et Thuc Long HA nous rejoint, bienvenue!
* Février 2022: le Projet "RoSaCo: Groupement des équipes associées de Robotique et IA pour la Santé en Corée du Sud" (INS2I - CNRS) a été accepté (1 an, porteur: Hyewon Seo, 10K euros).
* Février-mars 2022: 9 stagiaires et 2 visiteurs vont arriver.
* Mars 2022: Saurabh Despande, doctorant de l’Université du Luxembourg et Mohammadamin Soltani Sarvestani, post doctorant, nous ont redu visite.
* Avril 2022: Projet DRIVER (prématuration du CNRS) est accepté! (porteur: Hadrien Courtecuisse, 18 mois, 110 K euros)
* Avril 2022: Le contrat pour le projet bi-national HuMoCar (Human Models for Care Robots) est signé! (porteurs: Hyewon Seo, Stephane Cotin, Minsu Jang, 5 ans, budget total 750K euros env.)
* May 2022: Nous participons à la journée de nouveau entrants de l'ICube. Merci à Ziqiu et Guillaume pour leurs présentation de l'équipe!
* Juillet 2022: Hyewon Seo va organiser une session à EKC 2022 (Marseille) avec l'ETRI!
* Août 2022: Hyewon Seo va rendre visite à l'ETRI, NFRI, KAIST, CNU, et Ewha Women's Univ, en Corée du Sud. --&gt;
Janvier 2025:
* Nous allons organiser la conference internationale CASA (Computer Animation and Social Agents) 2025!

Decembre 2024:
* Six doctorants de l'équipe viennent de soutenir leur thèse. Félicitations!

Septembre 2024:
* Deux nouveaux membres permanant nous rejoignent: Pablo Alvarez et Romain Orhand. Welcome!

Juillet 2024:
* Le projet GarSeM (PRC, coordinatrice: Hyewon Seo) a été sélectionné pour financement par l'ANR!

Mai 2024: 
* Deux articles ont été acceptés à MICCAI 2024!
 
Décembre 2023:
* La thèse de Alban Odot est soutenue.

Octobre 2023:
* L'équipe accueille trois chercheurs du University of Applied Sciences Ansbach, Allemagne.
* Hadrien Courtecuisse participent à la fête de la science.

Septembre 2023:
* La thèse de Ziqiu Zeng est soutenue.

June 2023: 
* L'équipe déménagera dans le bâtiment NextMed début juin.

Janvier 2023: 
* Vincent Italiano (IR 2 years INRIA, on surgical image processing in collaboration with a Paris hospital), Pablo ALBEREZ (postdoc 18M INRIA), and Vanessa Llieras (MdC Univ. Montpellier, 6 month delegation) join us. Cédric Bobenrieth, who had left us for 4 months, rejoins us too. Birgitta Dresp, on the other hand, officially leaves the team.
* Springer Handbook of Augmented Reality vient de paraître (avec un chapitre de livre de Nazim et Stéphane)
* L'évaluation de l'équipe MIMESIS (côté Inria) s'est très bien passée, et l'équipe est officiellement reconduite pour encore 4 ans.

Décembre 2022
* La thèse de Guillaume Mestdagh est soutenue (13th).
* Boyang a effectué 1 semaine de visite de recherche au KAIST (Lifelike Avatar &amp; Agent Laboratory).</text>
    <sha1>159c132ce38baea2814be353ec5261afd330685b</sha1>
  </revision>
</page>
<page arvcontinue="20250124102154|763">
  <title>Offres d'emplois</title>
  <ns>0</ns>
  <id>5</id>
  <revision>
    <id>763</id>
    <parentid>762</parentid>
    <timestamp>2025-01-24T10:21:54Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1/M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10407" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

* [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>2151c7b6a7ba3112a634435fc29538227e6975a4</sha1>
  </revision>
  <revision>
    <id>764</id>
    <parentid>763</parentid>
    <timestamp>2025-01-24T11:03:47Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Stage d'ingénieur ou M1/M2 pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10416" xml:space="preserve">== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

&lt;!-- * [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>336fbc70e601a3526033b27300cf48dbc2e90d41</sha1>
  </revision>
  <revision>
    <id>767</id>
    <parentid>764</parentid>
    <timestamp>2025-02-25T15:54:00Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10838" xml:space="preserve">== PhD pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Certaines Avancées en Apprentissage Géométrique avec des Applications à la Modélisation Réaliste de l'Humain]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo], [https://www.mage.fst.uha.fr/cordier/ Frédéric Cordier] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])

== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

&lt;!-- * [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>89accdfe7e2e89e30298dd34aa938f40a9bf7c4f</sha1>
  </revision>
  <revision>
    <id>768</id>
    <parentid>767</parentid>
    <timestamp>2025-02-25T15:56:03Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="10841" xml:space="preserve">== PhD pour l'année 2025 ==
* [[Media:Modelisation-Realiste-de-Humain.pdf |Certaines Avancées en Apprentissage Géométrique avec des Applications à la Modélisation Réaliste de l'Humain]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo], [https://www.mage.fst.uha.fr/cordier/ Frédéric Cordier] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])

== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

&lt;!-- * [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>468433dc31a0c92916c05c03fc1cd7c31ffdfd72</sha1>
  </revision>
  <revision>
    <id>770</id>
    <parentid>768</parentid>
    <timestamp>2025-02-25T15:59:12Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="11099" xml:space="preserve">== PhD pour l'année 2025 ==
* [[Media:Modelisation-Realiste-de-Humain.pdf |Certaines Avancées en Apprentissage Géométrique avec des Applications à la Modélisation Réaliste de l'Humain]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo], [https://www.mage.fst.uha.fr/cordier/ Frédéric Cordier] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])
* INSIGHT: Image Inference for Patient Body Estimation and Internal Organ Modeling (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et [https://www.unistra.fr/equipe-presidentielle/michel-de-mathelin Michel De Mathelin])

== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

&lt;!-- * [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>f6f23eecf215877abdf202debea39e126f231e3a</sha1>
  </revision>
  <revision>
    <id>771</id>
    <parentid>770</parentid>
    <timestamp>2025-02-25T16:02:22Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="11381" xml:space="preserve">== PhD pour l'année 2025 ==
* [[Media:Modelisation-Realiste-de-Humain.pdf |Certaines Avancées en Apprentissage Géométrique avec des Applications à la Modélisation Réaliste de l'Humain]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo], [https://www.mage.fst.uha.fr/cordier/ Frédéric Cordier] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])
* INSIGHT: Image Inference for Patient Body Estimation and Internal Organ Modeling (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et [https://www.unistra.fr/equipe-presidentielle/michel-de-mathelin Michel De Mathelin])
* [https://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])

== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

&lt;!-- * [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>60ef378eada7f1fe9565d0b59fc3665ab5492af6</sha1>
  </revision>
  <revision>
    <id>772</id>
    <parentid>771</parentid>
    <timestamp>2025-02-25T16:03:22Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="11449" xml:space="preserve">== PhD pour l'année 2025 ==
* [[Media:Modelisation-Realiste-de-Humain.pdf |Certaines Avancées en Apprentissage Géométrique avec des Applications à la Modélisation Réaliste de l'Humain]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo], [https://www.mage.fst.uha.fr/cordier/ Frédéric Cordier] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])
* INSIGHT: Image Inference for Patient Body Estimation and Internal Organ Modeling (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et [https://www.unistra.fr/equipe-presidentielle/michel-de-mathelin Michel De Mathelin])
* [https://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])

== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

&lt;!-- * [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>f7510ee694af1f304944ec2673bdb05f92bec99e</sha1>
  </revision>
  <revision>
    <id>773</id>
    <parentid>772</parentid>
    <timestamp>2025-02-25T16:03:53Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="11483" xml:space="preserve">== PhD pour l'année 2025 ==
* [[Media:Modelisation-Realiste-de-Humain.pdf |Certaines Avancées en Apprentissage Géométrique avec des Applications à la Modélisation Réaliste de l'Humain]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo], [https://www.mage.fst.uha.fr/cordier/ Frédéric Cordier] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])
* INSIGHT: Image Inference for Patient Body Estimation and Internal Organ Modeling (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.unistra.fr/equipe-presidentielle/michel-de-mathelin Michel De Mathelin])
* [https://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])

== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

&lt;!-- * [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>0adec48a47c29bcf06cb3c9dce238b85379e0dda</sha1>
  </revision>
  <revision>
    <id>774</id>
    <parentid>773</parentid>
    <timestamp>2025-02-25T16:06:47Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="11753" xml:space="preserve">== PhD pour l'année 2025 ==
* [[Media:Modelisation-Realiste-de-Humain.pdf |Certaines Avancées en Apprentissage Géométrique avec des Applications à la Modélisation Réaliste de l'Humain]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo], [https://www.mage.fst.uha.fr/cordier/ Frédéric Cordier] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])
* INSIGHT: Image Inference for Patient Body Estimation and Internal Organ Modeling (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.unistra.fr/equipe-presidentielle/michel-de-mathelin Michel De Mathelin])
* [https://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])
* MIND: Multi-modal Investigation of Neurodegenerative Diseases (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.ihu-imagerie.eu/centre-dimagerie/lequipe-medicale/ Stéphane Kremer])

== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

&lt;!-- * [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>ce7d2ddf2fe4bb9c5d7f782b1681798e111e3096</sha1>
  </revision>
  <revision>
    <id>778</id>
    <parentid>774</parentid>
    <timestamp>2025-03-01T14:30:04Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="11756" xml:space="preserve">== PhD pour l'année 2025 ==
* [[Media:GL_Modelisation-Realiste-de-Humain.pdf |Certaines Avancées en Apprentissage Géométrique avec des Applications à la Modélisation Réaliste de l'Humain]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo], [https://www.mage.fst.uha.fr/cordier/ Frédéric Cordier] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])
* INSIGHT: Image Inference for Patient Body Estimation and Internal Organ Modeling (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.unistra.fr/equipe-presidentielle/michel-de-mathelin Michel De Mathelin])
* [https://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])
* MIND: Multi-modal Investigation of Neurodegenerative Diseases (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.ihu-imagerie.eu/centre-dimagerie/lequipe-medicale/ Stéphane Kremer])

== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

&lt;!-- * [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>79c63c07f1b97770a80e32c36439229d66cfc570</sha1>
  </revision>
  <revision>
    <id>780</id>
    <parentid>778</parentid>
    <timestamp>2025-03-01T14:32:37Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* PhD pour l'année 2025 */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="11756" xml:space="preserve">== PhD pour l'année 2025 ==
* [[Media:GL Modelisation-Realiste-de-Humain.pdf |Certaines Avancées en Apprentissage Géométrique avec des Applications à la Modélisation Réaliste de l'Humain]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo], [https://www.mage.fst.uha.fr/cordier/ Frédéric Cordier] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])
* INSIGHT: Image Inference for Patient Body Estimation and Internal Organ Modeling (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.unistra.fr/equipe-presidentielle/michel-de-mathelin Michel De Mathelin])
* [https://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf Deep 3D Garment Semantics] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.linkedin.com/in/c%C3%A9dric-bobenrieth-a487abb8/ Cédric Bobenrieth])
* MIND: Multi-modal Investigation of Neurodegenerative Diseases (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ&amp;view_op=list_works&amp;sortby=pubdate Hyewon Seo] et [https://www.ihu-imagerie.eu/centre-dimagerie/lequipe-medicale/ Stéphane Kremer])

== Stage d'ingénieur ou M1/M2 pour l'année 2025 ==
* [[Media:Stage-GarmentFactory-2025 En.pdf |Garment Factory]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Boyang Yu)
* [[Media:Stage-3D_Human_Motion_Diffusion_Model.pdf |3D Human Motion Diffusion Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-ActionRecognition.pdf |Action Recognition by Knowledge Augmentation in Vision Language Model]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
* [[Media:Stage-DeBIAN.pdf |Deep representation of the Brain Image for the Analysis of Neurodegenerative diseases]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Diwei Wang) &lt;font color="red"&gt;=&gt; pourvu.&lt;/font&gt;
&lt;!-- * [[Media:Stage-Generative Models for Garment Mesh-2024_En.pdf |Generative Models for Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;

&lt;!-- * [[Media:Stage-Garment-SAM-2025_En.pdf |Garment-SAM: Segmenting garment images]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth) --&gt;
* [[Media:Stage-Garment MeshNet-2025_En.pdf |Garment MeshNet: Geometric Deep Learning on 3D Garment Mesh]] (encadrants: [https://scholar.google.fr/citations?hl=fr&amp;user=UO_URksAAAAJ Hyewon Seo] et Cédric Bobenrieth)

== MdC pour l'année 2024 ==
* IUT Robert Schuman
Afin de renforcer la recherche en informatique au sein du laboratoire ICube (Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie - UMR CNRS 7357), Université de Strasbourg, nous proposons un poste de Maître de Conférences en Informatique.
La personne recrutée sera qualifiée en 27e section CNU et proposera un projet de recherche et d’intégration dans l’une des deux équipes suivantes : 

- l’équipe Machine Learning, Modélisation et Simulation (MLMS). Les thèmes privilégiés dans l’équipe sont à l’interface entre les domaines de la simulation physique, de la géométrie, et de l’intelligence artificielle, et s’intéressent aux données, modèles et simulations pour la science médicale et le mouvement humain, et certains aspects de robotique, d’optimisation et de contrôle. Lors de son intégration dans l’équipe, un champ d’application privilégié sera celui de la santé, et en particulier la chirurgie assistée par ordinateur 

- l’équipe Informatique et Calcul Parallèle Scientifique (ICPS). Les thèmes privilégiés dans l'équipe ICPS concernent la programmation parallèle, la programmation distribuée, l'optimisation de programmes (performance, efficacité énergétique), l'optimisation automatique ou semi-automatique, les approches statiques ou dynamiques, le modèle polyédrique, les outils pour le HPC (ordonnanceurs, runtime, etc.)

La personne recrutée devra contribuer activement à la vie de la communauté scientifique. Au niveau local, elle pourra être moteur et force de proposition au sein des équipes de recherche déjà existantes. Elle pourra proposer des interactions nouvelles entre les équipes ou renforcer celles existantes. Au niveau national et international, elle sera moteur dans le montage de projets scientifiques.

Les candidats intéressés par le poste sont encouragés à contacter : Stéphane Cotin et Hyewon Seo.

Unité(s) de recherche de rattachement : ICube, laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 (Université de Strasbourg, CNRS, INSA, ENGEES).

== PhD pour l'année 2024 ==
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-GarSeM-2024-En.pdf '''NEW:''' Deep 3D Garment Semantics] proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].

* [[Media:PhD_thesis24_CCT_short.pdf |Improving visual attention by Computerized Cognitive Training]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt] =&gt; pourvu.
&lt;!--
* [[Media:Description_of_subject.pdf |Impact of closed-loop feedback and auditory beats on attention of attention-deficit patients]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

* [[Media:Generation_of_3D_Dynamic_Human_Body_Meshes_with_Clothes.pdf |Generation of 3D Dynamic Human Body Meshes with Clothes]] proposed to the [http://ed.math-spi.unistra.fr/ University of Strasbourg].

* [[Media:MADPAM_HealthTech.pdf |Motion Analysis in Dementia Patients Across Multi-modalities (MADPAM)]], proposed to [https://healthtech.unistra.fr/ ITI HealthTech].

* [[Media:MGeST.pdf |Modèle Génératif pour les Données Spatio-Temporelles (MGeST)]], proposed by [http://igg.unistra.fr/People/seo/ Hyewon Seo].
--&gt;

== Stage d'ingénieur ou M2 pour l'année 2024 ==
* Segmentation du maillage 3D scanné du corps humain habillé.
* Analyse récurrente des données de squelettes du corps humain vers la classification des maladies neurogénératives (encadrants: Hyewon Seo et [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt]) =&gt; pourvu.
&lt;!--
* Entraîner et raffiner un réseau de neurone SDF avec les données surfaciques du corps humain SMPL.
* Modèle générative pour les vêtements 3D. =&gt; deja assuré
* Diffusion model for human motion =&gt; ETRI project
* Diffusion model for free cloth animation =&gt; ICCV
* Co-analysis d'une maladie Alzheimer avec les données geometrique de l'hypocampe =&gt; MICCAI
--&gt;

== Stage d'ingénieur ou M1 pour l'année 2024 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes
* Anonymisation et création d'une base de données de modèles 3D humains habillés
* Analyse spectrale de données neuronales dans le contexte de neurostimulation (encadrant: [https://mimesis.inria.fr/members/axel-hutt/ Axel Hutt])

== Stage d'ingénieur ou M1 pour l'année 2023 ==
* Apprendre à accélérer l'optimisation numérique par des prédictions périodiques immédiates sur les valeurs des variables du futur proche : Avec un réseau de neurones ou d'autres méthodes =&gt; pourvu.
* [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_Base3DHabilles.pdf Construction d'une base de données d'humains 3D habillés] =&gt; pourvu.

== Maître de Conférences pour l'année 2023 ==
Un poste de Maître de Conférences sera ouvert à IUT Robert Schuman Strasbourg en section 27. Le profil porte sur la modélisation/simulation 3D et l'intelligence artificielle. 

== Postdoc pour l'année 2023 ==
[[Media:Description_of_subject_Postdoc23.pdf |Impact of closed-loop feedback and auditory beats on human attention]] proposed by [https://www.geocities.ws/digitalbath/ Axel Hutt]

[https://emploi.cnrs.fr/ Modèle de prédiction/génération d'humain habillé et de vêtement, conditionné(e) et optimisé(e) par l'image/vidéo].

== PhD pour l'année 2023 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_Fr.pdf Estimation des paramètres spatio-temporels de marche à partir de vidéo monoculaire (Fr)] ou [http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD-HuMoCar-2023_En.pdf  4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People (En)].
=&gt; Relié au sujet de master ci-dessous.

== Stage M2 pour l'année 2023 (date limite de dépôts de candidatures: le 5 fev 2023) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Sujet_M2_Generative_Model-fr.pdf 4D Human Action Diffusion Model] =&gt; disponible à nouveau.
&lt;!--[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Reconstruction de squelette 3D de mouvement quotidien à partir de vidéo monoculaire]. =&gt; Pourvu. --&gt;

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_DoBRa2022.pdf Une étude de l’impact dosimétrique du changement de forme du sein au cours de la radiothérapie à l’aide d’un framework « GATE »]. =&gt; Pourvu.

== Postdoc pour l'année 2022 (date limite de dépôts de candidatures: le 15 mars 2022) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/Postdoc_2022.pdf Photo-Realistic, Physics-Aware 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People]

== PhD pour l'année 2022 (date limite de dépôts de candidatures: le 15 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

== Stage M2 pour l'année 2022 (date limite de dépôts de candidatures: le 25 jan) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_2022.pdf 4D Human Modeling for Real-World Human Cognition by Care-Robots for Aged People] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/M2_Pattern.pdf Finding 2D Pattern Elements from the 3D Garment Shape] =&gt; Pourvu.

== PhD pour l'année 2021 (date limite de dépôts de candidatures: le 27 mai) ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_Human4D.pdf Human4D: Learning and Representing 4D Human Data] =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD2021_DAMoS.pdf DAMoS: Deep Analysis of Motor Symptoms for Dementia with Lewy Bodies] =&gt; Pourvu.

[[Média:Formulaire sujet de thèse MSII.pdf | Neurostimulation en boucle fermée basée sur un modèle avec application à la schizophrénie]] =&gt; Pourvu.

== Stages M2 pour l'année 2021 ==
[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_Reconstruction_from_Video.pdf Monocular Reconstruction of 4D Human Models from Video]

Monocular Reconstruction of Cloth Animation from Video =&gt; Pourvu.

[http://igg.unistra.fr/People/seo/StudentsJoboffer_files/SujetM2_GenerativeModels.pdf Deep Learning Frameworks for Generative Models of 4D Human] =&gt; Pourvu.

[http://mduprez.perso.math.cnrs.fr/offre/Stage_M2-2020_2021_phifem.pdf Développement de Méthodes Éléments Finis non-conformes adaptées à la chirurgie assistée par ordinateur]

[https://mlms.icube.unistra.fr/index.php/Fichier:Sujet_stage_3DPRIAD_Master2.pdf Développement d’un réseau de neurones en charge de la détection d’anomalies d'impression 3D à partir d’images.] =&gt; Pourvu.</text>
    <sha1>9364572b641d9f3e0b709aa99ed9c2fda0565f54</sha1>
  </revision>
</page>
<page arvcontinue="20250124102154|763">
  <title>Séminaires d'équipe</title>
  <ns>0</ns>
  <id>26</id>
  <revision>
    <id>765</id>
    <parentid>753</parentid>
    <timestamp>2025-02-18T17:03:21Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="100701" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Lundi 8 mars 2024 : Présentation de '''Raphaël Bulle''' 

==Séminaires / réunions passés==

* Lundi 27 janvier 2024 : Présentation de '''Jonathan Mamou''' (ENS télécommunication, Paris)

'''Titre:''' "Modern Applications of Quantitative Ultrasound for Biomedical Research"

'''Résumé:''' "Quantitative ultrasound (QUS) is an active research field focused on obtaining quantitative
tissue properties (i.e., system- and user-independent) from ultrasound data. Conventional
ultrasound imaging is commonly used to visualize soft tissue morphology. During scanning, a
gray-scale B-mode image is displayed on screen from which a trained clinician can evaluate
tissue states. However, B-mode ultrasound image formation discards valuable information in the
raw backscattered echo signal that encodes information about tissue microstructure. Therefore,
microstructural changes in soft tissues that accompany disease processes, but do not directly
affect tissue morphology, may not be visible in B-mode images. QUS methods use the raw
ultrasound data to reconstruct parametric maps that are representative of tissue microstructure.
In this talk, I will review conventional ultrasound imaging and QUS methods based on analyzing
the backscatter coefficient and envelope statistics. I will present recent in vivo results from
lymph nodes (cancer) and eyes (myopia). I will also briefly present results to improve and use
quantitative acoustic microscopy systems used to image thin sections of tissues at ultra-high
ultrasound frequencies (i.e., 250-1000 MHz)."


* Lundi 14 janvier 2024 : Présentation de '''Ishak  Barkat'''

'''Titre:''' "Temporal Analysis of Optical Images for Fine Detection of Avalanches"

'''Résumé:''' "Based on a study conducted in the city of Bessans, we employed image processing techniques and advanced artificial intelligence methods on images obtained from the surveillance station. Our objective was to study and detect avalanches as a first step, and to predict them as a second step. Through experiments, we tested and implemented a protocol that yielded significant results."


* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>b93f2df96d9ee678aaced727e2c2e980831ffdb2</sha1>
  </revision>
  <revision>
    <id>766</id>
    <parentid>765</parentid>
    <timestamp>2025-02-18T17:05:54Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="100701" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Lundi 4 mars 2024 : Présentation de '''Raphaël Bulle''' 

==Séminaires / réunions passés==

* Lundi 27 janvier 2025 : Présentation de '''Jonathan Mamou''' (ENS télécommunication, Paris)

'''Titre:''' "Modern Applications of Quantitative Ultrasound for Biomedical Research"

'''Résumé:''' "Quantitative ultrasound (QUS) is an active research field focused on obtaining quantitative
tissue properties (i.e., system- and user-independent) from ultrasound data. Conventional
ultrasound imaging is commonly used to visualize soft tissue morphology. During scanning, a
gray-scale B-mode image is displayed on screen from which a trained clinician can evaluate
tissue states. However, B-mode ultrasound image formation discards valuable information in the
raw backscattered echo signal that encodes information about tissue microstructure. Therefore,
microstructural changes in soft tissues that accompany disease processes, but do not directly
affect tissue morphology, may not be visible in B-mode images. QUS methods use the raw
ultrasound data to reconstruct parametric maps that are representative of tissue microstructure.
In this talk, I will review conventional ultrasound imaging and QUS methods based on analyzing
the backscatter coefficient and envelope statistics. I will present recent in vivo results from
lymph nodes (cancer) and eyes (myopia). I will also briefly present results to improve and use
quantitative acoustic microscopy systems used to image thin sections of tissues at ultra-high
ultrasound frequencies (i.e., 250-1000 MHz)."


* Lundi 14 janvier 2025 : Présentation de '''Ishak  Barkat'''

'''Titre:''' "Temporal Analysis of Optical Images for Fine Detection of Avalanches"

'''Résumé:''' "Based on a study conducted in the city of Bessans, we employed image processing techniques and advanced artificial intelligence methods on images obtained from the surveillance station. Our objective was to study and detect avalanches as a first step, and to predict them as a second step. Through experiments, we tested and implemented a protocol that yielded significant results."


* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>0a7b4b99985ee66db3b3aaf31602ef155ada2ce6</sha1>
  </revision>
  <revision>
    <id>775</id>
    <parentid>766</parentid>
    <timestamp>2025-02-26T09:03:29Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="100766" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Lundi 4 mars 2025 : Présentation de '''Raphaël Bulle''' 

* Lundi 13 mai 2025 : Présentation de '''Pierre-Yves Rohan''' 

==Séminaires / réunions passés==

* Lundi 27 janvier 2025 : Présentation de '''Jonathan Mamou''' (ENS télécommunication, Paris)

'''Titre:''' "Modern Applications of Quantitative Ultrasound for Biomedical Research"

'''Résumé:''' "Quantitative ultrasound (QUS) is an active research field focused on obtaining quantitative
tissue properties (i.e., system- and user-independent) from ultrasound data. Conventional
ultrasound imaging is commonly used to visualize soft tissue morphology. During scanning, a
gray-scale B-mode image is displayed on screen from which a trained clinician can evaluate
tissue states. However, B-mode ultrasound image formation discards valuable information in the
raw backscattered echo signal that encodes information about tissue microstructure. Therefore,
microstructural changes in soft tissues that accompany disease processes, but do not directly
affect tissue morphology, may not be visible in B-mode images. QUS methods use the raw
ultrasound data to reconstruct parametric maps that are representative of tissue microstructure.
In this talk, I will review conventional ultrasound imaging and QUS methods based on analyzing
the backscatter coefficient and envelope statistics. I will present recent in vivo results from
lymph nodes (cancer) and eyes (myopia). I will also briefly present results to improve and use
quantitative acoustic microscopy systems used to image thin sections of tissues at ultra-high
ultrasound frequencies (i.e., 250-1000 MHz)."


* Lundi 14 janvier 2025 : Présentation de '''Ishak  Barkat'''

'''Titre:''' "Temporal Analysis of Optical Images for Fine Detection of Avalanches"

'''Résumé:''' "Based on a study conducted in the city of Bessans, we employed image processing techniques and advanced artificial intelligence methods on images obtained from the surveillance station. Our objective was to study and detect avalanches as a first step, and to predict them as a second step. Through experiments, we tested and implemented a protocol that yielded significant results."


* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>dca27cabfe85190a6ecf30d32d37d62172c6b970</sha1>
  </revision>
  <revision>
    <id>782</id>
    <parentid>775</parentid>
    <timestamp>2025-03-04T09:30:55Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="101544" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Lundi 4 mars 2025 : Présentation de '''Raphaël Bulle''' 

'''Titre:''' "General presentation of a posteriori error for finite element schemes"

'''Résumé:''' "A posteriori error estimation plays a crucial role in finite element methods (FEM), enabling adaptive mesh refinement and ensuring solution accuracy in computational simulations. This presentation provides an overview of fundamental concepts in a posteriori error estimation, including residual-based estimators, recovery-based approaches, and goal-oriented techniques. We discuss the mathematical foundations of these estimators, their reliability and efficiency, and their practical implementation in adaptive finite element methods. Applications in different fields will be highlighted, demonstrating the impact of error estimation in real-world numerical simulations." 

* Lundi 13 mai 2025 : Présentation de '''Pierre-Yves Rohan''' 

==Séminaires / réunions passés==

* Lundi 27 janvier 2025 : Présentation de '''Jonathan Mamou''' (ENS télécommunication, Paris)

'''Titre:''' "Modern Applications of Quantitative Ultrasound for Biomedical Research"

'''Résumé:''' "Quantitative ultrasound (QUS) is an active research field focused on obtaining quantitative
tissue properties (i.e., system- and user-independent) from ultrasound data. Conventional
ultrasound imaging is commonly used to visualize soft tissue morphology. During scanning, a
gray-scale B-mode image is displayed on screen from which a trained clinician can evaluate
tissue states. However, B-mode ultrasound image formation discards valuable information in the
raw backscattered echo signal that encodes information about tissue microstructure. Therefore,
microstructural changes in soft tissues that accompany disease processes, but do not directly
affect tissue morphology, may not be visible in B-mode images. QUS methods use the raw
ultrasound data to reconstruct parametric maps that are representative of tissue microstructure.
In this talk, I will review conventional ultrasound imaging and QUS methods based on analyzing
the backscatter coefficient and envelope statistics. I will present recent in vivo results from
lymph nodes (cancer) and eyes (myopia). I will also briefly present results to improve and use
quantitative acoustic microscopy systems used to image thin sections of tissues at ultra-high
ultrasound frequencies (i.e., 250-1000 MHz)."


* Lundi 14 janvier 2025 : Présentation de '''Ishak  Barkat'''

'''Titre:''' "Temporal Analysis of Optical Images for Fine Detection of Avalanches"

'''Résumé:''' "Based on a study conducted in the city of Bessans, we employed image processing techniques and advanced artificial intelligence methods on images obtained from the surveillance station. Our objective was to study and detect avalanches as a first step, and to predict them as a second step. Through experiments, we tested and implemented a protocol that yielded significant results."


* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>f27ef5c91d42ab548fc6d204146b0be6dbdc1eda</sha1>
  </revision>
  <revision>
    <id>783</id>
    <parentid>782</parentid>
    <timestamp>2025-03-04T12:50:39Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="101544" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 13 mai 2025 : Présentation de '''Pierre-Yves Rohan''' 

==Séminaires / réunions passés==

* Mardi 4 mars 2025 : Présentation de '''Raphaël Bulle''' 

'''Titre:''' "General presentation of a posteriori error for finite element schemes"

'''Résumé:''' "A posteriori error estimation plays a crucial role in finite element methods (FEM), enabling adaptive mesh refinement and ensuring solution accuracy in computational simulations. This presentation provides an overview of fundamental concepts in a posteriori error estimation, including residual-based estimators, recovery-based approaches, and goal-oriented techniques. We discuss the mathematical foundations of these estimators, their reliability and efficiency, and their practical implementation in adaptive finite element methods. Applications in different fields will be highlighted, demonstrating the impact of error estimation in real-world numerical simulations." 

* Lundi 27 janvier 2025 : Présentation de '''Jonathan Mamou''' (ENS télécommunication, Paris)

'''Titre:''' "Modern Applications of Quantitative Ultrasound for Biomedical Research"

'''Résumé:''' "Quantitative ultrasound (QUS) is an active research field focused on obtaining quantitative
tissue properties (i.e., system- and user-independent) from ultrasound data. Conventional
ultrasound imaging is commonly used to visualize soft tissue morphology. During scanning, a
gray-scale B-mode image is displayed on screen from which a trained clinician can evaluate
tissue states. However, B-mode ultrasound image formation discards valuable information in the
raw backscattered echo signal that encodes information about tissue microstructure. Therefore,
microstructural changes in soft tissues that accompany disease processes, but do not directly
affect tissue morphology, may not be visible in B-mode images. QUS methods use the raw
ultrasound data to reconstruct parametric maps that are representative of tissue microstructure.
In this talk, I will review conventional ultrasound imaging and QUS methods based on analyzing
the backscatter coefficient and envelope statistics. I will present recent in vivo results from
lymph nodes (cancer) and eyes (myopia). I will also briefly present results to improve and use
quantitative acoustic microscopy systems used to image thin sections of tissues at ultra-high
ultrasound frequencies (i.e., 250-1000 MHz)."


* Mardi 14 janvier 2025 : Présentation de '''Ishak  Barkat'''

'''Titre:''' "Temporal Analysis of Optical Images for Fine Detection of Avalanches"

'''Résumé:''' "Based on a study conducted in the city of Bessans, we employed image processing techniques and advanced artificial intelligence methods on images obtained from the surveillance station. Our objective was to study and detect avalanches as a first step, and to predict them as a second step. Through experiments, we tested and implemented a protocol that yielded significant results."


* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>e6378729419c86e2c958c98a29bfaf70da45df44</sha1>
  </revision>
  <revision>
    <id>788</id>
    <parentid>783</parentid>
    <timestamp>2025-03-07T07:03:26Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="102356" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 18 mars 2025 : Présentation de '''Raphaël Bulle''' 

'''Title:''' "Généralité sur les estimateurs d'erreur DWR. Estimateur résidual pour Phi-FEM"

* Mardi 22 avril 2025 : Talk of '''Karim Ramdani''' 

'''Titre:''' "Modèles économiques de l'édition scientifique : un rapide survol des évolutions (et des dérives) du moment."

'''Résumé:''' "Durant cet exposé, je présenterai les différents modèles économiques en vigueur dans l’édition scientifique et dresserai un panorama des évolutions en cours. Je m’intéresserai plus particulièrement au modèle auteur-payeur (parfois appelé Gold Open Access) et je tenterai de montrer les risques qu’il présente. Enfin, je conclurai en évoquant quelques pistes d’actions possibles à l’échelle individuelle et institutionnelle."

* Mardi 13 mai 2025 : Présentation de '''Pierre-Yves Rohan''' 

==Séminaires / réunions passés==

* Mardi 4 mars 2025 : Présentation de '''Raphaël Bulle''' 

'''Titre:''' "General presentation of a posteriori error for finite element schemes"

'''Résumé:''' "A posteriori error estimation plays a crucial role in finite element methods (FEM), enabling adaptive mesh refinement and ensuring solution accuracy in computational simulations. This presentation provides an overview of fundamental concepts in a posteriori error estimation, including residual-based estimators, recovery-based approaches, and goal-oriented techniques. We discuss the mathematical foundations of these estimators, their reliability and efficiency, and their practical implementation in adaptive finite element methods. Applications in different fields will be highlighted, demonstrating the impact of error estimation in real-world numerical simulations." 

* Lundi 27 janvier 2025 : Présentation de '''Jonathan Mamou''' (ENS télécommunication, Paris)

'''Titre:''' "Modern Applications of Quantitative Ultrasound for Biomedical Research"

'''Résumé:''' "Quantitative ultrasound (QUS) is an active research field focused on obtaining quantitative
tissue properties (i.e., system- and user-independent) from ultrasound data. Conventional
ultrasound imaging is commonly used to visualize soft tissue morphology. During scanning, a
gray-scale B-mode image is displayed on screen from which a trained clinician can evaluate
tissue states. However, B-mode ultrasound image formation discards valuable information in the
raw backscattered echo signal that encodes information about tissue microstructure. Therefore,
microstructural changes in soft tissues that accompany disease processes, but do not directly
affect tissue morphology, may not be visible in B-mode images. QUS methods use the raw
ultrasound data to reconstruct parametric maps that are representative of tissue microstructure.
In this talk, I will review conventional ultrasound imaging and QUS methods based on analyzing
the backscatter coefficient and envelope statistics. I will present recent in vivo results from
lymph nodes (cancer) and eyes (myopia). I will also briefly present results to improve and use
quantitative acoustic microscopy systems used to image thin sections of tissues at ultra-high
ultrasound frequencies (i.e., 250-1000 MHz)."


* Mardi 14 janvier 2025 : Présentation de '''Ishak  Barkat'''

'''Titre:''' "Temporal Analysis of Optical Images for Fine Detection of Avalanches"

'''Résumé:''' "Based on a study conducted in the city of Bessans, we employed image processing techniques and advanced artificial intelligence methods on images obtained from the surveillance station. Our objective was to study and detect avalanches as a first step, and to predict them as a second step. Through experiments, we tested and implemented a protocol that yielded significant results."


* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>e5bd2794a69b166cf20d2e560373e0e361a52313</sha1>
  </revision>
  <revision>
    <id>792</id>
    <parentid>788</parentid>
    <timestamp>2025-03-07T08:49:43Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="103235" xml:space="preserve">==Organisation==
Les activités d'équipes ont lieu le mardi à 11h en salle de réunion à Explora

Date des réunions permanents à 11h : not fixed

[https://calendar.google.com/calendar/u/0?cid=bWxtcy5pY3ViZUBnbWFpbC5jb20 Calendar] (Only invited have access to the calender)

==Organisateur==
Depuis le 2 février 2021 : [http://michelduprez.fr/ '''Michel Duprez''']

==Réservation des salles==
[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 114]

[https://www.brownbearsw.com/cal/meetingroom114 Meeting room 127]

[mailto:reservation@ihu-strasbourg.eu Conference room at IHU]


==Prochains séminaires / réunions=

* Mardi 18 mars 2025 : Présentation de '''Raphaël Bulle''' 

'''Title:''' "General presentation of a posteriori error for finite element schemes, part II"

'''Résumé:''' "In this talk we'll continue our journey through the basics of a posteriori error estimation and mesh adaptation.
First, we will see how estimators can be used to optimize FE schemes with respect to a goal-functional using Dual Weighted error estimation.
Then, we will focus on another key concept in error estimation: the balance of error sources.
We will illustrate it on two particular application cases.
The first application concerns a PDE based on the fractional Laplacian operator, discretized via the solve of many parametric reaction-diffusion problems.
We will design an a posteriori error estimator that will help us to optimize a numerical scheme for this problem.
The second application will be about a famous immersed boundary method and the design of an error estimator balancing the usual discretization error and the geometry approximation error."

* Mardi 22 avril 2025 : Talk of '''Karim Ramdani''' 

'''Titre:''' "Modèles économiques de l'édition scientifique : un rapide survol des évolutions (et des dérives) du moment."

'''Résumé:''' "Durant cet exposé, je présenterai les différents modèles économiques en vigueur dans l’édition scientifique et dresserai un panorama des évolutions en cours. Je m’intéresserai plus particulièrement au modèle auteur-payeur (parfois appelé Gold Open Access) et je tenterai de montrer les risques qu’il présente. Enfin, je conclurai en évoquant quelques pistes d’actions possibles à l’échelle individuelle et institutionnelle."

* Mardi 13 mai 2025 : Présentation de '''Pierre-Yves Rohan''' 

==Séminaires / réunions passés==

* Mardi 4 mars 2025 : Présentation de '''Raphaël Bulle''' 

'''Titre:''' "General presentation of a posteriori error for finite element schemes"

'''Résumé:''' "A posteriori error estimation plays a crucial role in finite element methods (FEM), enabling adaptive mesh refinement and ensuring solution accuracy in computational simulations. This presentation provides an overview of fundamental concepts in a posteriori error estimation, including residual-based estimators, recovery-based approaches, and goal-oriented techniques. We discuss the mathematical foundations of these estimators, their reliability and efficiency, and their practical implementation in adaptive finite element methods. Applications in different fields will be highlighted, demonstrating the impact of error estimation in real-world numerical simulations." 

* Lundi 27 janvier 2025 : Présentation de '''Jonathan Mamou''' (ENS télécommunication, Paris)

'''Titre:''' "Modern Applications of Quantitative Ultrasound for Biomedical Research"

'''Résumé:''' "Quantitative ultrasound (QUS) is an active research field focused on obtaining quantitative
tissue properties (i.e., system- and user-independent) from ultrasound data. Conventional
ultrasound imaging is commonly used to visualize soft tissue morphology. During scanning, a
gray-scale B-mode image is displayed on screen from which a trained clinician can evaluate
tissue states. However, B-mode ultrasound image formation discards valuable information in the
raw backscattered echo signal that encodes information about tissue microstructure. Therefore,
microstructural changes in soft tissues that accompany disease processes, but do not directly
affect tissue morphology, may not be visible in B-mode images. QUS methods use the raw
ultrasound data to reconstruct parametric maps that are representative of tissue microstructure.
In this talk, I will review conventional ultrasound imaging and QUS methods based on analyzing
the backscatter coefficient and envelope statistics. I will present recent in vivo results from
lymph nodes (cancer) and eyes (myopia). I will also briefly present results to improve and use
quantitative acoustic microscopy systems used to image thin sections of tissues at ultra-high
ultrasound frequencies (i.e., 250-1000 MHz)."


* Mardi 14 janvier 2025 : Présentation de '''Ishak  Barkat'''

'''Titre:''' "Temporal Analysis of Optical Images for Fine Detection of Avalanches"

'''Résumé:''' "Based on a study conducted in the city of Bessans, we employed image processing techniques and advanced artificial intelligence methods on images obtained from the surveillance station. Our objective was to study and detect avalanches as a first step, and to predict them as a second step. Through experiments, we tested and implemented a protocol that yielded significant results."


* Mardi 10 décembre 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Procedures with Neural Network-Based Deformable Organ Registration"

'''Résumé:''' "In fluoroscopy-guided interventions, the lack of contrast prevents direct visualization of essential anatomical structures.
Existing solutions have significant drawbacks: the use of CBCT increases radiation exposure, while contrast agents present toxicity risks for patients.
Fluoroscopy to CT registration has the potential to alleviate these issues, but existing literature has primarily focused on respiratory motion compensation.
Yet, during interventions, clinicians' actions on organs are an additional source of deformation, rendering these registration approaches ineffective.
To address these challenges, we present a real-time 2D-3D deformable registration method tailored to fluoroscopy-guided interventions.
Our proposed deep learning approach seamlessly integrates into existing clinical workflows, with minimal training time after preoperative CT scan acquisition.
Thanks to our novel domain-agnostic data generation framework, the trained neural network can recover arbitrary deformations, 
leveraging pose information through its 2D-3D feature backprojection module.
Experiments on simulated fluoroscopic images demonstrated our method's ability to provide real-time vessel visualization without contrast agents.
On real fluoroscopic images, our method compensates for respiratory motion with a median accuracy of 2.4 mm.
These results demonstrate the potential of the proposed method, establishing a foundation for future developments while motivating more comprehensive clinical validation."

* Mardi 3 décembre 2024 : Présentation de '''Boyang Yu'''

'''Titre:''' "High-quality recovery of garment models and sewing patterns from 3D clothed human data"

'''Résumé:''' "The capability to recover high-quality garment models from 3D shapes of clothed people can significantly enhance the interpretability of captured geometry of real garments, as well as their
faithful reproduction in the digital world. This will notably impact fields like shape capture in social VR, and virtual try-ons in the fashion industry. This thesis addresses the problem of arbitrary target cloth geometry recovery. We propose an approach to estimate its animatable replica along with its corresponding 2D pattern. Built upon a differentiable cloth simulator, it runs an optimization process that is directed towards minimizing the deviation of the simulated garment shape from the target geometry, while maintaining desirable properties such as left-to-right symmetry. In particular, we are implementing an inverse garment design pipeline to align with the garment modeling process standardized by the fashion industry and cloth simulation software, it is designed to recover the garment geometry by altering the 2D
patterns and adjusting the material properties, which can be further placed around the wearer’s body model and reanimated via simulation.Along with this proposition, we also present a new method based on a deformation optimization that deforms the source mesh geometry to match the fine-grain details of the 3D target. We show that it is adept at updating garment geometry to produce fine, high-frequency details, improving fit quality and supporting applications like non-rigid registration. Experimental results on various real-world and synthetic data show that our methods outperform state-of-the-art methods in producing both high-quality garment models and accurate 2D patterns."


* Mardi 19 novembre 2024 : Présentation de '''Pierre Galmiche'''

'''Titre:''' "Functional Map-Based Shape Collection Matching and Analysis for Modeling Breast Shape Evolution During Radiotherapy"

'''Résumé:''' "Breast radiotherapy, performed after breast-conserving surgery, is a critical step in the treatment of breast cancer.
Due to the mobility of the mammary gland, uncertainties remain regarding its daily positioning, making its evaluation and study particularly complex.
Although radiotherapy significantly reduces the risk of cancer recurrence, clinical experience reveals a wide variability in visible side effects during treatment.
To gain a deeper understanding of these side effects, a clinical study was conducted by the Institut de Cancérologie Strasbourg Europe (ICANS), collecting surface data to analyze the evolution of the breast during radiotherapy.

This talk will present a novel approach to model the evolution of the treated breast shape during radiotherapy, exploiting the valuable yet complex ICANS clinical trial dataset. At its core, this work leverages the functional map framework to establish correspondences between shapes representing the patient’s bust, enabling the modeling of changes in both the bust and the treated breast throughout the radiotherapy process. Additionally, an estimation of the dosimetric impact of these changes has been studied, with a particular focus on the skin region, offering motivation for future
research in this field." 


* Mardi 12 novembre 2024 : Présentation de '''Axel Hutt'''

'''Titre:''' "Prediction in neuroscience: Learning from weather forecasting""

'''Résumé:''' "Prediction in natural sciences promises to allow improved control of
systems. Examples are weather forecasting and catheter control in surgery.
In clinical neuroscience, the prediction of seizures would very much
improve the life of patients suffering from epilepsy.
The talk introduces to the similarity of meteorology and neuroscience and
explains how data assimilation assists weather forecast by utilizing Kalman
Filter techniques. Such insights propose to apply similar forecasting techniques
in neuroscience as well. Numerical studies demonstrate the power and
limitations of forecasting by data assimilation." 


* Mardi 5 novembre 2024 : Présentation de '''Hugo Talbot''' et '''Paul Baksic'''

'''Titre:''' "Adaptive Rigidification of Elastic Solids"

'''Résumé:''' "We present a method for reducing the computational cost of elastic solid simulation by treating connected sets of non-deforming elements as rigid bodies. Non-deforming elements are identified as those where the strain rate squared Frobenius norm falls below a threshold for several frames. Rigidification uses a breadth first search to identify connected components while avoiding connections that would form hinges between rigid components. Rigid elements become elastic again when their approximate strain velocity rises above a threshold, which is fast to compute using a single iteration of conjugate gradient with a fixed Laplacian-based incomplete Cholesky preconditioner. With rigidification, the system size to solve at each time step can be greatly reduced, and if all elastic element become rigid, it reduces to solving the rigid body system. We demonstrate our results on a variety of 2D and 3D examples, and show that our method is likewise especially beneficial in contact rich examples."


* Mardi 22 octobre 2024 : Présentation de '''Jinman Kim'''

'''Titre:''' "Multi-modal Learning for Biomedical Image Analysis and Visualisation"

'''Résumé:''' "Medical imaging plays a pivotal role in patient management in modern healthcare, with most patients who are treated in hospitals undergoing imaging procedures. These technologies can visualise anatomy and function in virtually every organ system in the body in intricate detail. There are numerous medical imaging modalities available; they vary in complexity and sophistication, from plain digital chest X-rays to simultaneous functional and anatomical imaging with positron emission tomography (PET) and computed tomography (CT) imaging (PET-CT). The challenge now is how to maximize the extraction of meaningful information from the images and present meaningful information to the users. There needs to be strategies to harness knowledge from vast image datasets and complementary sources like image sequences, text reports, and genomics. Fortunately, the era of artificial intelligence (AI) is fuelling the growth of smart decision support and analysis tools for medical image analysis. Despite rapid advancements in integrating AI algorithms into clinical decision support systems, we are still in the nascent stages of the AI revolution in medical imaging. This talk will present our research on cross-modal learning to integrate imaging and complementary data for disease modelling, analysis and visualization, aimed at improving the understanding, in an intuitive way."


* Mardi 8 octobre 2024 : Présentation de '''Claire Martin'''

'''Titre:''' "High Rate Mechanical Coupling of Interacting Objects in the Context of Needle Insertion Simulation With Haptic Feedback"

'''Résumé:''' "Needle-based procedures such as biopsies or radio-frequency ablation (RFA) of tumors are often considered to diagnose and treat liver cancer for their low invasiveness but raise difficulties for practitioners related to needle placement and visibility of internal anatomical structures. Efforts are being conducted to build real-time needle insertion simulators with both visual and haptic rendering, facing challenges related to model accuracy and real-time computational performance. This work focuses on the contact model involved in needle-tissue interactions in order to improve the realism of the resulting haptic rendering. We present a novel method to update the compliant coupling at high rates of a complete contact system involving the mechanics of a large object and the complete model of a flexible needle. These updates allow to adapt the contact directions to the needle deformations in the haptic thread, with the aim of improving the resulting haptic feedback. Updates of contact directions and the related mechanical system according to high-rate deformations decrease force feedback artifacts associated with low-rate mechanics while maintaining high-rate performances for the haptic loop."

et présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "This paper presents an innovative approach for executing robotic needle insertion within deformable  living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time,the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot’s end effect or (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot’s EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs." 


* Mardi 24 septembre 2024 : Présentation de '''Michel Duprez'''

'''Titre:''' "A finite difference scheme with an optimal convergence for elliptic PDEs on domains defined by a level-set function"

'''Résumé:''' "In this talk, we will present a new finite difference method, on regular grid, well suited for elliptic problems posed in a domain given by a level-set function. It is inspired by the phi-FEM paradigm which is a fictitious finite element method imposing the boundary conditions thanks to a level-set function describing the domain. We will consider here the Poisson equation with Dirichlet condition.We will prove the optimal convergence of our finite difference method  in some Sobolev norms. Moreover, the discrete problem is proven to be well conditioned, i.e. the condition number of the associated matrix is of the same order as that of a standard method on a comparable mesh. We will then give some numerical results that confirm the optimal convergence in the considered Sobolev norms. An other advantage of our approach is that it uses standard libraries such as Numpy and Scipy in Python, and the implementation is very short (less than 100 lines in Python), making it a very low-cost numerical scheme in terms of computation time." 


* Mardi 17 septembre 2024 : Présentation de '''Romain Orhand'''

'''Titre:''' "Réduire le Reality Gap avec des Intelligences Artificielles autonomes et explicables"

'''Résumé:''' "Ce séminaire a deux objectifs : d’une part, de vous présenter mes travaux de recherche sur l’autonomie et l’explicabilité des Intelligences Artificielles et d’autre part, de vous faire une proposition d’intégration de ces travaux en lien avec les thématiques de l’équipe. Plus précisément, il s’agirait de travailler à réduire le Reality Gap. Le Reality Gap désigne l'écart entre des environnements simulés et les environnements réels associés qui dégrade les performances des politiques décisionnelles apprises une fois que les modèles sont transférés des environnements simulés aux environnements réels. Je vous présenterai alors des pistes de réflexion en lien avec mes travaux de recherche autour de l’apprentissage par renforcement (en particulier les systèmes de classeurs), de l’apprentissage par transfert (avec QUANTA) et l'explicabilité."


* Mardi 3 septembre 2024 : Présentation de '''Francesco Dettori'''
'''Titre:''' "Autonomous endovascular robot control: an optical fiber and deep neural network-based method to estimate the 3D position of endovascular devices"

'''Résumé:''' "Endovascular procedures revolutionized vascular treatments, offering minimally invasive solutions for conditions affecting blood vessels, arteries, and the heart. These procedures involve the insertion of specialized tools, like catheters and guidewires, directly into the vascular system through small incisions. By accessing the targeted areas internally, endovascular interventions provide faster recovery times and reduced risks of complications compared to conventional surgical approaches. However, reliance on fluoroscopy, which utilizes X-rays to generate real-time images of the internal structures, exposes both patients and clinicians to radiation risks. While current robotic systems mitigate radiation exposure only for clinicians, by enabling remote control of instruments, they do not solve the problem for the patients. Consequently, there is a need for innovative solutions to safeguard both patients and clinicians involved in endovascular interventions. One promising approach involves the integration of autonomous guidance algorithms into robotic systems, enabling precise navigation of instruments within the vascular network without the need for continuous fluoroscopy (Scarponi V., HealthTech PhD thesis at iCube Strasbourg). A key requirement for implementing autonomous guidance algorithms is the availability of real-time information on the position of instruments relative to the vascular anatomy. To meet this challenge, this project explores the use of advanced sensing technologies based on Fiber Bragg Grating (FBG) sensors. These sensors offer the potential to deliver embedded real-time position tracking within the vascular system while minimizing or eliminating the need for fluoroscopy. However, the accuracy of provided measurements can be affected by twisting motions, which are present in endovascular catheter manipulation. Therefore, this project is dedicated to overcoming these limitations by using data-based modeling and combination with other sources of information. The goal is to ensure an accurate estimation of sensor shape, ultimately to facilitate their utilization in the context of autonomous endovascular guidance."


* Mardi 30 juillet 2024 : Présentation de '''Andrea Bonifacio'''

'''Titre:''' "Accelerating Numerical Simulations with Data-Driven Correction"

'''Résumé:''' "In this work, a method for accelerating numerical simulations with the help of deep learning techniques is proposed. The idea is to minimize the discrepancy between a numerical solution obtained with a coarse discretization of the domain and a reference solution obtained with a fine discretization. A common grid is created on both domains and the solutions are interpolated on that grid. By computing the difference between the two solutions, a correction term is obtained and used as the target for training a deep learning model which is used to correct the solution on a coarse domain, thus reducing the computational cost of the simulation. This method has been tested on a linear elasticity problem and has shown promising results in the static case, both in two dimensions and in three dimensions. With some adjustments, it could be extended to the time-dependent case. The method avoids the black-box nature of deep learning models by using the numerical solver first and then correcting the solution, which will avoid the accumulation of errors in the time dependent case. By using a small neural network, the inference time for the correction is very low, making the method suitable for real-time applications." 


* Mardi 2 juillet 2024 : Présentation de '''François Lecomte'''

'''Titre:''' "Insights from CVPR 2024: Advancements in Neural Fields, Biomechanics, and 3D Reconstruction"

'''Résumé:''' "In this presentation, I will provide an overview of select papers presented at CVPR 2024, focusing on topics of relevance to our research team's interests: biomechanics, physics, neural fields, and machine learning paradigms. Presented papers:
1. Neural Modes: Self-supervised Learning of Nonlinear Modal Subspaces – This paper explores the potential of self-supervised learning to identify nonlinear modal subspaces, presenting novel methodologies that could significantly enhance our understanding of complex biomechanical systems.
2. TutteNet: Injective 3D Deformations by Composition of 2D Mesh Deformations – This work introduces a new approach for achieving injective 3D deformations through the composition of 2D mesh deformations, offering promising applications in physics-based modeling and augmented reality.
3. Grounding and Enhancing Grid-based Models for Neural Fields – The authors present advancements in grid-based models for neural fields, proposing techniques that improve performance based on a theoretical analysis, which could be beneficial for our neural fields and optimization research."


* Mardi 17 juillet 2024 : Présentation de '''Gauthier Debes'''

'''Titre:''' "Quantifying Human Gait Complexity Using Recurrence Analysis"

'''Résumé:''' "We will discuss a classification of human gaits based on the analysis of the regularity/complexity of recurrent movements. I will present quickly the method for analyzing recurrent movements of the gait, then focus on different measures of complexity and the classification method. Finally, I will show some interesting results." 


* Mardi 25 juin 2024 : Présentation de '''Robin Enjalbert'''

'''Titre:''' "Python tools for scientific visualization of 3D objects"

'''Résumé:''' "Unlike the usual sessions, the aim of this presentation will be to introduce technical tools related to 3D visualization.
The following Python modules will be presented:
* Vedo: a lightweight and powerful module for visualization and processing of 3D objects;
* SimRender: a module for 3D rendering of numerical simulations (latest developments);
* SimExporter: a tool to export standalone 3D plots and animations in HTML files (latest developments).

For each module, you will learn about the main features, discover the associated resources and get a short demonstration.
For those interested in these tools, a coding session will be held soon to introduce you to each of them."


* Mardi 11 juin 2024 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "A Zero-Shot Reinforcement Learning Strategy for Autonomous Guidewire Navigation."

'''Résumé:''' "The treatment of cardiovascular diseases requires complex and challenging navigation of a guidewire and catheter. This often leads to lengthy interventions during which the patient and clinician are exposed to X-ray radiation. Deep Reinforcement Learning approaches have shown promise in learning this task and may be the key to automating catheter navigation during robotized interventions. Yet, existing training methods show limited capabilities at generalizing to unseen vascular anatomies, requiring to be retrained each time the geometry changes. Methods: In this paper, we propose a zero-shot learning strategy for three-dimensional autonomous endovascular navigation. Using a very small training set of branching patterns, our reinforcement learning algorithm is able to learn a control that can then be applied to unseen vascular anatomies without retraining. Results: We demonstrate our method on 4 different vascular systems, with an average success rate of 95% at reaching random targets on these anatomies. Our strategy is also computationally efficient, allowing the training of our controller to be performed in only 2 hours. Conclusion: Our training method proved its ability to navigate unseen geometries with different characteristics, thanks to a nearly shape-invariant observation space."


* Mardi 7 mai 2024 : Présentation de '''Long Ha Thuc'''

'''Titre:''' "Real-time Robotic Flexible Needle Insertion In Deformable Living Organs Using Isolated Objective Constraint"

'''Résumé:''' "We introducted an innovative approach for executing robotic needle insertion within deformable living organs. The objective is to maintain the insertion pivot point on the skin, which remains stationary. At the same time, the organs undergo displacement and deformation due to respiration. Therefore, real-time control and precise needle steering are crucial. The proposed method relies on isolated objective constraints to ensure the objectives while steering the needle along a predefined trajectory. The needle insertion process benefits from Finite Element (FE) models to simulate the environment and address the inverse problem to drive the robot's end effector (EE) by re-evaluating the objective functions in the constraint space for each time step. So, the desired motion of the robot's EE could be calculated at a small cost for non-linear functions in real-time, resulting in better precision and reducing stress caused to the organs."


* Vendredi 26 avril 2024 : Présentation de '''Duc Hoan NGUYEN'''

'''Titre:''' "Regularization in Reproducing Kernel Hilbert Spaces for Covariate Shift Domain Adaptation"

'''Résumé:''' "In machine learning, the domain adaptation problem arises when a core assumption of the statistical learning theory is violated. The above assumption supposes that previously seen and future inputs/outputs of the systems under consideration are governed by the same probability law. Since, in reality, it is not often the case, the domain adaptation problem becomes practically important. In the present study, we analyze the use of the general regularization scheme in the scenario of unsupervised domain adaptation under the so-called covariate shift assumption. Learning algorithms arising from the above scheme are generalizations of importance weighted regularized least squares method, which up to now is among the most used approaches in the covariate shift setting. We explore a link between the considered domain adaptation scenario and estimation of Radon-Nikodym derivatives in reproducing kernel Hilbert spaces, where the general regularization scheme can also be employed and is a generalization of the kernelized unconstrained least-squares importance fitting. We estimate the convergence rates of the corresponding learning algorithms and discuss how to resolve the issue with the tuning of their parameters. The theoretical results are supported by extensive numerical experiments with various datasets."


* Mardi 23 avril 2024 : Présentation de '''Nicola Zotto'''

'''Titre:''' "Boundary condition and shape independent prediction of soft tissue deformation"

'''Résumé:''' "Presentation of my work on shape and boundary condition independent features of hyper-elastic material deformations using Graph Neural Networks.
We will first go over a quick introduction to the Graph Neural Networks architecture followed by the presentation of the various challenges we had to overcome in adapting this framework from "dynamic rollout" predictions to "static boundary problems."


* Mardi 16 avril 2024 : Présentation de '''Léo Bois'''

'''Titre:''' "Neural networks in numerical schemes for fluid simulations"

'''Résumé:''' "One of the challenges of fluid simulation is the occurrence of discontinuous solutions, which numerical schemes have to deal with. Various methods can be used to find a compromise between diffusion and oscillations at the discontinuities. In this presentation, I will mention two of them and explain how we have used neural networks to better tune these methods."


* Mardi 19 mars 2024 : Présentation de '''Cyril Meyer'''

'''Titre:''' "Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire."

'''Résumé:''' "Durant ce séminaire, je vous présenterai mon parcours, mes travaux de recherche et mes projets futurs.
L'imagerie FIB-SEM permet d'obtenir des images 3D de résolution nanométrique en microscopie électronique cellulaire. Une segmentation de ces images est nécessaire pour permettre une analyse quantitative et comparative de l'ultrastructure cellulaire. Les méthodes actuelles basées sur les réseaux de neurones convolutifs rencontrent des défis liés à la rareté des données annotées, au bruit et aux variations d'acquisition. L'objectif de ce travail est de développer des méthodes de segmentation robustes. Deux axes principaux de recherche ont été explorés. Premièrement, l'amélioration de la qualité des segmentations en combinant apprentissage profond et morphologie mathématique, en particulier, les opérateurs connexes. Deuxièmement, la réduction du temps d'annotation nécessaire, en expérimentant des méthodes de segmentation interactive, mais aussi des méthodes automatiques entraînées à partir d'annotations faibles. En conclusion, je présenterai mon projet de recherche actuel, axé sur les deux pistes suivantes : la réduction de la quantité d'annotations requises lors de l'entraînement de modèles d’apprentissage profonds, et l'exploration de méthodes visant à rendre les modèles plus compacts et économes en resources."


* Mardi 12 mars 2024 : Présentation de '''Camille Gontier''' (Université de Pittsburgh)

'''Titre:''' "Efficient sampling-based Bayesian Active Learning for synaptic characterization"

'''Résumé:''' "Bayesian Active Learning (BAL) is an efficient framework for learning the parameters of a model, in which input stimuli are selected to maximize the mutual information between the observations and the unknown parameters. However, the applicability of BAL to experiments is limited as it requires performing high-dimensional integrations and optimizations in real time. Current methods are either too time consuming, or only applicable to specific models. Here, we propose an Efficient Sampling-Based Bayesian Active Learning (ESB-BAL) framework [1], which is efficient enough to be used in real-time biological experiments. We apply our method to the problem of estimating the parameters of a chemical synapse from the postsynaptic responses to evoked presynaptic action potentials. Using synthetic data and synaptic whole-cell patch-clamp recordings, we show that our method can improve the precision of model-based inferences, thereby paving the way towards more systematic and efficient experimental designs in physiology.
[1] Gontier, C., Surace, S. C., Delvendahl, I., Müller, M., &amp; Pfister, J. P. (2023). Efficient sampling-based Bayesian Active Learning for synaptic characterization. PLoS computational biology, 19(8), e1011342. https://doi.org/10.1371/journal.pcbi.1011342"


* Jeudi 29 février 2024 à 11h : Présentation de  '''Karim Makki''', EnCoV-Institut Pascal, CNRS/Université Clermont-Auvergne

'''Titre:''' "La chirurgie assistée par ordinateur: de l'imagerie pré-opératoire, à la navigation 3D en temps réel."

'''Résumé:''' "En chirurgie assistée par ordinateur, l’image joue un rôle primordial. Les techniques d’imagerie médicale sont multiples et permettent aux cliniciens de bien suivre l'évolution d’une pathologie ainsi que la mise en oeuvre des bonnes pratiques tout au long du processus d’intervention chirurgicale: la phase préopératoire, la navigation en temps réel durant l'opération chirurgicale, ainsi que la phase postopératoire ou celle de suivi. Au-delà de l’acquisition de l’image, son exploitation nécessite de l’expertise supplémentaire tel que: le traitement des images dans le sens classique du terme,  l’emploi des techniques de vision par ordinateur, ainsi que l’emploi des techniques modernes d’apprentissage profond. Un traitement pertinent conduit à la réalisation de certaines tâches telles que la segmentation de l’image, le recalage et la classification, etc… toujours utiles pour l’aide au diagnostic. Parmi les techniques d’imagerie sont: l’IRM dynamique qui permet de suivre le mouvement des articulations, des organes, et des tissus mous de façon non-invasive. Cette technique sert essentiellement à guider les cliniciens pendant les phases pré et post-opératoires. Ses principales limites sont: la basse résolution, ainsi que la présence quasi-permanente du bruit et des artefacts de mouvement dans les images temporelles. Tandis que l’endoscopie, consistant à  pénétrer un long tube dans le corps du patient et une petite caméra sert à examiner l'intérieur du corps, permettant ainsi aux chirurgiens de voir ce qui se passe lors de l'opération en temps réel. Dans cette présentation, nous montrons l’utilité de quelques techniques de traitement d’image pour la reconstruction spatio-temporelle des séquences d’IRM dynamique pour la cheville (lors des mouvements dorsi-plantar flexion chez les enfants) et la vessie (lors d’une respiration profonde chez les femmes adultes). Par la suite, nous présentons la combinaison des techniques de vision par ordinateur classiques avec l’apprentissage profond pour la reconstruction 3D des organes observées par un endoscope à partir d’une séquence d’images 2D (pour le colon et le foie) pour une navigation plus riche et plus précise."


* Mardi 27 février 2024 à 11h : Présentation de  '''Fethi Ghazouani'''

'''Titre:''' "Exploration de l'Apprentissage Profond pour la Fusion d'Images IRM Multimodales dans la Segmentation des Tumeurs Cérébrales"

'''Résumé:''' "Les transformers pour la segmentation des images médicales ont soulevé un grand intérêt. Contrairement aux réseaux convolutionnels (CNN), les transformers utilisent des auto-attentions qui n'ont pas un fort biais inductif. Cela donne aux transformers la capacité d'apprendre des dépendances à longue portée et des capacités de modélisation plus puissantes. Dans ce séminaire, j’exposerai mes travaux de recherches antérieures qui portent sur la fusion d'images IRM multimodales basée sur l’apprentissage profond multi-modal/tâche pour la segmentation et la prédiction de la tumeur cérébrale. Je présenterai en première partie l’architecture du modèle Swin Transformer et son principe de calcul de l’auto-attention, introduit pour réduire la complexité de l’opération d’auto-attention utilisée dans le modèle Vision Transformer (ViT) classique. Je détaillerai ensuite l’approche proposée pour la segmentation d’images multimodales de tumeurs cérébrales, qui s’appuie sur le modèle Swin Transformer et l’auto-attention locale améliorée (ELSA). Dans une seconde partie, je montrerai, comment il est possible de réaliser une fusion par corrélation multimodale dans l’espace des caractéristiques latentes pour la segmentation de la tumeur et prédiction de la localisation de la récidive de la tumeur cérébrale. Dans cette approche, le mécanisme d’apprentissage par transfert a été appliqué afin d’améliorer la performance et la précision du modèle dans le cas où les données sont limitées."


* Mardi 20 février 2024 : Présentation de  '''Killian Vuillemot'''

'''Titre:''' "Phi-FEM-FNO: a new approach to train a Neural Operator as a fast PDE solver for variable geometries"

'''Résumé:''' "In this talk, we propose a way to solve partial differential equations (PDEs) by combining machine learning techniques and a new finite element method called phi-FEM. For that, we use the Fourier Neural Operator (FNO), a learning mapping operator. The purpose of this talk is to provide numerical evidence to show the effectiveness of this technique. We will focus here on the resolution of the Poisson equation with non-homogeneous Dirichlet boundary conditions. The key idea of our method is to address the challenging scenario of varying domains, where each problem is solved on a different geometry. Since we use the phi-FEM approach, we will consider domains defined by level-set functions. We will first recall the idea of phi-FEM and of the Fourier Neural Operator. Then, we will explain how to combine these two methods. We will finally illustrate the efficiency of this combination with some numerical results on two test cases."


* Mardi 30 janvier 2024 : Présentation de  '''Kebing XUE'''

'''Titre:''' "Generation of human model in motion using spectral domain representation of 3D meshes."

'''Résumé:''' "In this work, we focus on human motion generation with the help of the diffusion model. Specifically, different from other works that use joint representation for training and require the regression of SMPL model to get shapes during sampling, we take advantage of the spectral representation of 3D meshes and train a diffusion model that is capable of generating the surfaces of the human model in motion directly. This will not only simplify the generation process but also allow us to control the generated shape explicitly and subtly."


* Mardi 23 janvier 2024 : Présentation de  '''Amel Hidouri'''

'''Titre:''' "Symbolic Artificial Intelligence for Data Mining"

'''Résumé:''' "Data mining remains a vibrant field of research in Artificial Intelligence (AI), with active exploration focused on advancing techniques. Recently, it has found applications in both Explainable AI and the broader realm of machine learning. Pattern discovery, a well-established topic in data mining, holds diverse applications such as association rule mining, clustering, classification, and feature selection. When coupled with symbolic AI, it provides a  declarative framework for discovering different kinds of patterns (e.g. frequent itemsets, sequence, gradual itemsets, etc).
This presentation delves into multiple facets of pattern mining, encompassing tasks ranging from the computation of frequent and rare patterns to solving high utility itemset mining problems using symbolic AI. Following this exploration, we will introduce several notions related to explainability, covering both informal and formal approaches. The presentation concludes with a practical application in healthcare and industry."


* Mardi 16 janvier 2024 : Présentation de  '''Paul Baksic'''


* Mardi 19 décembre 2023 : Présentation de '''Darshan Venkatrayappa'''

'''Titre:''' "Unidentified floating object detection in maritime environment"

'''Résumé:''' "In this work we present a new unsupervised approach to detect unidentified floating objects in the maritime environment. The proposed approach is capable of detecting floating objects online without any prior knowledge of their visual appearance, shape or location. Given an image from a video stream, we extract the self-similar and dissimilar components of the image using a visual dictionary. The dissimilar component consists of noise and structures (objects). The structures (objects) are then extracted using an a contrario model."


* Mardi 12 décembre 2023 : Présentation de  '''Frédérique Lecourtier'''

'''Titre:''' "Development of hybrid finite element/neural network methods to help create digital surgical twins"

'''Résumé:''' "The aim of this work is to develop hybrid finite-element and neural-network methods for the creation of digital surgical twins. The idea is to train a neural network to predict the solution of a given problem, with the intention of injecting this solution into a finite element solver. The purpose of this work is to combine the speed of neural networks with the accuracy of finite element methods. Here, we will be using the PhiFEM immersed boundary method, which consists in immersing the geometry of an organ, defined by a Levelset function, in a regular mesh. The Finite Elements resolution step after the neural network prediction allows both correction and certification of the prediction."


* Mardi 5 décembre 2023 : Présentation de  '''Vincent Italiano'''

'''Titre:''' "Augmented reality for minimally invasive liver surgery using digital twin"

'''Résumé:''' "The objective of this work is to provide surgeons with an enhanced view of the liver during minimally invasive operations. The project is divided in two parts: the pre-operative part, where a 3D model of the patient's liver is extracted from a CT scan to construct a digital twin using neural networks and FEM. Then the intra-operative part, which involves extracting real-time data from the liver during the operation to feed the numerical twin."


* Mardi 28 novembre 2023 : Présentation de '''Boyang Yu'''

'''Titre:''' "Inverse Garment and Pattern Modeling with a Differentiable Simulator"

'''Résumé:''' "The capability to generate simulation-ready garment models from 3D shapes of clothed humans will significantly enhance the interpretability of captured geometry of real garments, as well as their faithful reproduction in the virtual world. This will have notable impact on fields like shape capture in social VR, and virtual try-on in the fashion industry. To align with the garment modeling process standardized by the fashion industry as well as cloth simulation softwares, it is required to recover 2D patterns. This involves an inverse garment design problem, which is the focus of our work here: Starting with an arbitrary target garment geometry, our system estimates an animatable garment model by automatically adjusting its corresponding 2D template pattern, along with the material parameters of the physics-based simulation (PBS). Built upon a differentiable cloth simulator, the optimization process is directed towards minimizing the deviation of the simulated garment shape from the target geometry. Moreover, our produced patterns meet manufacturing requirements such as left-to-right-symmetry, making them suited for reverse garment fabrication.  We validate our approach on examples of different garment types, and show that our method faithfully reproduces both the draped garment shape and the sewing pattern."


* Mardi 21 novembre 2023 : Présentation de  '''Robin Enjabert'''

'''Titre:''' "Title : Physics-aware Human-object interaction"

'''Résumé:''' "As part of our collaborative project with ETRI (South Korea), the objective of this work is to be able to generate simulated movements of vitual human bodies performing everyday actions, including a physical cognition. This involves two main aspects : integrating 4D human data into a differentiable physics engine, and the implementation of a DL controller to generate realistic movements. Using an analytic policy gradients method, we use the differentiability of the simulator to train the DL controller and then generate a variety of daily activities."


* Mardi 14 novembre 2023 : Présentation de '''Valentina Scarponi'''

'''Titre:''' "FBG-driven simulation for predictive mixed reality during endovascular interventions"

'''Résumé:''' "Endovascular interventions are procedures designed to diagnose and treat vascular diseases, using catheters to navigate inside arteries and veins. Thanks to their minimal invasiveness, they offer many benefits, such as reduced pain and hospital stays, but also present many challenges for clinicians, as they require specialized training and heavy use of X-rays. This is particularly relevant when accessing (i.e., cannulating) small arteries with steep angles, such as most aortic branches. To address this difficulty, we propose a novel solution that enhances fluoroscopic 2D images in real-time by using virtual augmentation of the catheter and guidewire. In contrast to existing works, proposing either simulators or simple augmented reality frameworks, our approach involves a predictive simulation showing the resulting shape of the catheter after guidewire withdrawal without requiring the clinician to perform this task. Our system demonstrated accurate prediction with a mean 3D error of 2.4±1.3 mm and a mean error of 1.1±0.7 mm on the fluoroscopic image plane between the real catheter shape after guidewire withdrawal and the predicted shape. A user study reported an average intervention time reduction of 56% when adopting our system. The developed system can significantly reduce the time needed to access small vessels, thus lowering X-ray exposure and operating time. Our approach is well-suited for assisting with the effective cannulation of arteries branching off the aorta and has the potential to improve the efficacy, efficiency, and safety of almost all endovascular procedures."


* Mardi 24 octobre 2023 : Présentation de '''Diwei Wang'''

'''Titre:''' "Video-based 3D gait reconstruction for assessing Alzheimer’s Disease and Dementia with Lewy Bodies"

'''Résumé:''' "Dementia with Lewy Bodies (DLB) and Alzheimer’s Disease (AD) are two common neurodegenerative diseases among elderly people. Gait analysis plays a significant role in clinical assessments to discriminate these neurological disorders from healthy controls, to grade disease severity, and to further differentiate dementia subtypes. We propose a deep-learning based model specifically designed to evaluate gait impairment score for assessing the dementia severity using monocular gait videos. Specifically, we develop a gait reconstructor named MAX-GRNet to estimate the sequence of 3D body skeletons, and thereon, perform classification to determine the MDS-UPDRS gait scores. To design the MAX-GRNet, we initially explore the 3D pose corrections based on spatial-temporal gait features extracted from the input video, which helps to maintain the temporal coherence within walking sequences. Experimental results demonstrate that our technique outperforms alternative state-of-the-art methods. Nevertheless, the reconstruction is susceptible to loosing fine-grained details and over-smoothing irregular patterns. Subsequently, we leverage the mesh-aligned image features to optimize the precision of gait reconstruction."


* Mardi 10 octobre 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Physically inspired regularization: application to deformable image registration"

'''Résumé:''' "Deformable image registration (DIR) of medical images has been a subject of research for decades, given its great potential for clinical applications such as interventional guidance and multi-modal image fusion, to name a few. DIR is an ill-posed problem, and various regularization strategies have been proposed to improve its convergence and resulting accuracy. However, these regularization approaches, although commonly used, derive from geometrical assumptions that may not be compatible with the deformation of organs. Consequently, physically inspired regularization schemes have been introduced. These methods are designed to mimic an organ's behavior as described by the laws of physics, and have achieved promising results. An important limitation, however, is their dependence on the finite-element method to compute kinematic quantities. I present a physically inspired regularization scheme that does not require the finite-element method, and can be easily integrated into classical deformable image registration algorithms. I illustrate the potential of such methodology using a SIREN neural network to register synthetic data from physical simulations, as well as breathing lung images from the publicly available DIRLab dataset. The implemented approach achieves target registration errors around 1.5 mm in average for this dataset, which is close to methods in the state-of-the-art."


* Mardi 3 octobre 2023 : Présentation de '''Sidaty El Hadramy'''

'''Titre:''' "Trackerless Volume Reconstruction from Intraoperative Ultrasound Images"

'''Résumé:''' "We propose a method for trackerless ultrasound volume reconstruction in the context of minimally invasive surgery. It is based on a Siamese architecture, including a recurrent neural network that leverages the ultrasound image features and the optical flow to estimate the relative position of frames. Our method does not use any additional sensor and was evaluated on ex vivo porcine data. It achieves translation and orientation errors of 0.449 \pm 0.189  mm and 1.3 \pm 1.5  degrees respectively for the relative pose estimation. In addition, despite the predominant non-linearity motion in our context, our method achieves a good reconstruction with final and average drift rates of 23.11% and 28.71% respectively.  To the best of our knowledge, this is the first work to address volume reconstruction in the context of intravascular ultrasound."


* Mardi 26 septembre 2023 : Présentation de '''Claire Martin'''

'''Titre:''' "Needle Insertion Training Simulator : Performance and Stability at Different Scales"

'''Résumé:''' "Needle-based procedures are often performed, in comparison with open surgeries, for procedures such as biopsies or radiofrequency ablation (RFA) of liver tumors, due to their low invasiveness. The complexity of this task makes training more than essential. Numerical simulators are being developed, facing challenges raised by the need of accurate mechanical and rendering models, as well as the importance of real time computations to allow user interaction. This work focuses on contact problems, and is aimed at being integrated into a large-scale simulation, involving a punctured liver and multiple colliding organs. This work starts from a constraint-based contact model [Duriez et al. (2009)], where a complex compliant mechanical system, coupling different contacts, must be solved. An intersection method is considered to efficiently generate needle-tissue interaction constraints, but it may lead to a high number of contact points. In this work, we use the IsoDOFs method [Zeng et al. (2022)] to quickly build the contact problem in spite of the great size of the system to solve, and we propose a modified Gauss Seidel algorithm to improve the efficiency of the constraint resolution. We also propose a complete pipeline for the simulator, splitting the simulation and rendering loops (both haptic and visual) for optimization purposes. Results show great decreases of the computation time related to the generation and resolution of the contact problem from both the IsoDOFs method and the modified Gauss Seidel algorithm on a simple needle insertion simulation. However, the current precision and computation performances of the large scale simulation still need to be improved so as to make the simulator efficient enough to be considered as a training tool. Ongoing work aims at updating constraint directions at high rates during the resolution step so as to stabilize contacts and improve their outcome."


* Mardi 19 septembre 2023 : Présentation de '''Vladimir Poliakov'''

'''Titre:''' "Towards Advanced Surgical Training for In-Office Hysteroscopy"

'''Résumé:''' "Hysteroscopy is a type of gynecological procedure that enables diagnosis and treatment of intrauterine pathologies using a minimally-invasive approach. Recent advancements, especially in optics, made it possible to perform this procedure in an ambulatory, outpatient setting without anaesthesia. Yet, such approach introduces additional challenges to gynecologists, as the surgical instruments have to pass through the cervix, a narrow curved canal. This process can be traumatic and even cause tissue damage or rupture. Current training curricula mainly focus on general minimally-invasive surgical skills or on inpatient hysteroscopy.This presentation will be threefold. First, I would like to present the solution we designed for surgical simulation development based on the SOFA physics engine and Filament PBR engine. Second, I would like to present the haptic device we designed for translumenal endoscopy. Finally, I will speak of the designed training system and the validation study that we conducted."


* Mardi 12 septemble 2023 : Présentation de '''François Leconte'''

'''Titre:''' "Enhancing Fluoroscopy-Guided Interventions: a Neural Network to Predict Vessel Deformation without Contrast Agents"

'''Résumé:''' "We present a method for estimating, in real-time, a 3D displacement field from a single X-ray image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. We use randomized gaussian kernels to produce a synthetic training dataset with displacement fields that are smooth and diffeomorphic. Contrary to other 2D-3D registration methods, our novel data generation approach doesn't rely on statistical motion model, allowing us to predict deformations that are unrelated to breathing motion. Our method is thus well suited for the prediction of the deformation of the vessels when arbitrary deformations are present and no contrast agent is injected. We report a 2D accuracy of 2.7 ± 1.9 mm on synthetic data."


* Mardi 27 juin 2023 : Présentation de '''Thomas Wahl'''

'''Titre:''' "Closed-loop neurostimulation for the treatment of schizophrenia"

'''Résumé:''' "Mental disorders are among the top most demanding challenges in world-wide health. A large number of mental disorders exhibit pathological rhythms, which serve as the disorders characteristic biomarkers. Neurostimulation techniques have been developed to target these pathological rhythms and provide therapeutic interventions. However, current neurostimulation protocols often rely on open-loop approaches, where the stimulation parameters are predefined and independent of the patient's real-time brain state. In this work, we propose a novel fully adaptive closed-loop neurostimulation setup that dynamically adjusts the power spectral density (PSD) of brain activities based on a user-defined PSD. Our approach utilizes a non-parametric brain model estimated from observed data and considers conduction delays in the feedback loop between brain activity measurement and stimulation. We specifically focus on pathological alpha and gamma rhythms associated with psychosis and demonstrate the effectiveness of our method through numerical simulations of neural population and cortico-thalamic loop models. Our findings highlight the potential of closed-loop neurostimulation in improving the treatment of mental disorders by precisely modulating brain activity patterns."


* Mardi 13 juin 2023 : Présentation de '''Kiwon Um'''

'''Titre:''' "Machine Learning for Visual and Physical Realism"

'''Résumé:''' "Solving partial differential equations (PDEs) is a crucial task in all scientific and engineering disciplines. Recently, machine learning techniques have been showing their great capacity for a variety of PDE problems in improving conventional numerical solvers. In this talk, the speaker will discuss two studies of machine learning methods that address the limitation of conventional numerical PDE solvers. First, a neural network model that produces under-resolved splash effects of liquid dynamics will be discussed. Second, the speaker will discuss different learning approaches that find complex correction functions of iterative PDE solvers to reduce numerical errors."


* Mardi 28 mars 2023 : présentation de '''Elias Cueto'''

'''Titre:''' "Thermodynamics-informed neural networks"

'''Résumé:''' "Thermodynamics could be seen as an expression of physics at a high epistemic level. As such, its potential as an inductive bias to help machine learning procedures attain accurate and credible predictions has been recently realized in many fields. We review how thermodynamics provides helpful insights in the learning process. At the same time, we study the influence of aspects such as the scale at which a given phenomenon is to be described, the choice of relevant variables for this description or the different techniques available for the learning process.

We review how thermodynamics can be considered as a high epistemic level inductive bias for techniques of machine learning physical phenomena. Starting with methods imposing conservation laws (particularly, in Hamiltonian or Lagrangian settings) we analyze how the principles of thermodynamics can also be used advantageously for dissipative phenomena. Beginning with methods that simply relax the requirements of conservation and/or equivariance, we see how thermodynamic formalisms can be developed that ensure by construction, either in soft or hard ways, the fulfillment of the principles of thermodynamics: conservation of energy in closed systems and non-negative entropy production. In any case, the main advantage of these approaches is that the resulting accuracy of these methods is considerably improved, or otherwise, the amount of necessary data is drastically minimized."


* Mardi 14 mars 2023 : présentation de '''Nicola Zotto''' sur les "Graph Neural Network"


* Mardi 14 février 2023 : présentation de '''Yu Boyang''' de 3 articles

1. '''Progressive Simulation for Cloth Quasistatics''': a new forward simulation method for efficient preview of cloth quasistatics on exceedingly coarse triangle meshes with consistent and progressive improvement over a hierarchy of increasingly higher-resolution models.  At each coarse-level, the solution is biased with efficiently computed shell forces and energies evaluated on the finest-level model, then each finer-level solve is initialized with safe prolongations of the converged solutions from the prior level’s coarser model. 

2. '''Motion Guided Deep Dynamic 3D Garments''': a learning setup that produces dynamic and plausible 3D garment geometry in an iterative roll-out way. A generative space of garment geometries is learned and then mapped to capture the motion-dependent dynamic deformations, conditioned on the previous state of the garment as well as its relative position to the underlying body. The garment dynamics, following the input character motion, are predicted per frame as displacements in the canonical space and then brought to the global space with frame-dependent skinning weights. Any remaining per-frame collisions are corrected by residual local displacements. 

3. '''Neural Cloth Simulation''':  a general framework for the garment animation problem through unsupervised deep learning inspired by physically-based simulation, the existing optimization scheme for motion from simulation-based methodologies is adapted to deep learning.


* Mardi 31 janvier 2023 : Présentation de '''Pablo Alvarez'''

'''Titre:''' "Towards a mechanical lung model for video-assisted thoracoscopic surgery."

'''Résumé:''' "The resection of pulmonary nodules through video-assisted thoracoscopic surgery is one of the most important surgical procedures for the diagnosis and treatment of early lung cancer. During surgery, pulmonary nodules need to be localized before their resection. However, this is no easy task as the lung undergoes large deformation as a result of a pneumothorax (lung deflation), which is induced at the beginning of surgery. A comprehensive model of lung behavior for VATS may not only provide guidance for nodule localization during surgery, but also help in the planning of the intervention. In this presentation, I will describe our efforts towards building such a model, combining techniques from nonrigid image registration and biomechanical modeling."


* mardi 17 janvier 2023 : Présentation de '''Guglielmo Scovazzi''' (USA)

'''Titre:''' "The Shifted Boundary / Shifted Fracture Method for Computational Mechanics"

'''Résumé:''' "Embedded/immersed/unfitted boundary methods obviate the need for continual re-meshing in many applications involving rapid prototyping and design. Unfortunately, many finite element embedded boundary methods (cutFEM, Finite Cell Method, etc. ) are also difficult to implement due to: (a) the need to perform complex cell cutting operations at boundaries, (b) the necessity of specialized quadrature formulas, and (c) the consequences that these operations may have on the overall conditioning/stability of the ensuing algebraic problems. 
We present a new, stable, and simple embedded boundary method, named “Shifted Boundary Method” (SBM), which eliminates the need to perform cell cutting. Boundary conditions are imposed on a surrogate discrete boundary, lying on the interior of the true boundary interface. We then construct appropriate field extension operators by way of Taylor expansions, with the purpose of preserving accuracy when imposing the boundary conditions. We demonstrate the SBM in applications involving solid and fracture mechanics; thermomechanics; CFD and porous media flow problems.
In the specific case of fracture mechanics, the SBM takes the name of Shifted Fracture Method (SFM), which can be thought of a method with the data structure of classical cohesive fracture FEM but with the accuracy and mesh-independence properties of XFEM. We show how the SFM has superior accuracy in capturing the energy released during the fracture process and how the method can be combined with phase-field approaches to simulate crack branching and merging."


* lundi 14 novembre 2022 : réunion d'équipe à 11h et présentation de '''prof. Wohn (KAIST)'''

'''Titre:''' "From Cave Paintings to Metaverse"


* lundi 17 octobre 2022 : réunion d'équipe à 11h et présentation de '''Nora Hagmeyer'''

'''Titre:''' "Towards Modeling Balloon Angioplasty using Geometrically Exact Beam Theory"


* mardi 27 septembre 2022 : réunion d'équipe à 11h

'''Titre:''' "Diff-Net: Image Feature Difference Based High-definition Map Change Detection For Autonomous Driving."

'''Abstract:''' "Up-to-date High-Definition (HD) maps are essential for self-driving cars. To achieve constantly updated HD maps, we present a deep neural network (DNN), Diff-Net, to detect changes in them. Compared to traditional methods based on object detectors, the essential design in our work is a parallel feature difference calculation structure that infers map changes by comparing features extracted from the camera and rasterized images. To generate these rasterized images, we project map elements onto images in the camera view, yielding meaningful map representations that can be consumed by a DNN accordingly. As we formulate the change detection task as an object detection problem, we leverage the anchor-based structure that predicts bounding boxes with different change status categories. To the best of our knowledge, the proposed method is the first end-to-end network that tackles the high[1]definition map change detection task, yielding a single stage solution. Furthermore, rather than relying on single frame input, we introduce a spatio-temporal fusion module that fuses features from history frames into the current, thus improving the overall performance. Finally, we comprehensively validate our method’s effectiveness using freshly collected datasets. Results demonstrate that our Diff-Net achieves better performance than the baseline methods and is ready to be integrated into a map production pipeline maintaining an up-to-date HD map."


* mardi  12 juillet 2022 : exposé de '''Valentina Scaponi''' à 11h

'''Titre :''' "Autonomous endovascular catheter navigation"

'''Résumé :''' "Endovascular diseases are one of the leading causes of death overall and among all procedures, endovascular interventions are one of the most performed. Only in the USA, this procedure is carried out more than one million times per year, involving different districts of the body, like the heart and the brain, the kidneys and the liver, etc. This procedure involves the insertion of thin tube devices, called guidewires and catheters, inside the patient’s vascular tree. These devices are then navigated toward the target location where they are used to treat or diagnose different types of pathologies. All along the procedure, fluoroscopic images are acquired to let the surgeon see the vessel’s geometry and to allow him to perform the navigation. To acquire these images, both the patient and the surgeon are exposed to x-radiations, which can cause cell damage potentially leading to the development of tumoral masses. The aim of this project is to develop a control algorithm, able to autonomously navigate both the catheter and the guidewire, reducing or even eliminating the exposure to x-radiations thanks to the use of FBGs sensors. This control algorithm will then be used as initial policy of a reinforcement learning algorithm."
&lt;!--


* mardi  5 juillet 2022 : réunion permanent 10h et réunion d'équipe à 11h--&gt;


* mardi 21 juin 2022 : réunion permanent 10h et exposé de '''Diwei Wang''' + réunion d'équipe à 11h

'''Titre :''' "Dementia detection in gait videos based on 3D human pose estimation"

'''Résumé :''' "Dementia with Lewy bodies and Alzheimer’s disease are two common neurodegenerative diseases among elderly people. They often cause motor impairments such as tremor at rest, rigidity, bradykinesia, and postural instability. Gait analysis is frequently used in clinical applications to detect these anomalies. However, assessments relying on wearable sensors are costly, and sometimes intrusive. Commercial 3D motion analysis systems require carefully calibrated cameras to collect multi-view video data, and are thus not practical. Therefore, we are focused on estimating dementia type and severity using monocular gait videos only. By adopting anomaly mesure-dependent feature learning, and considering the problem of data imbalance, we propose a two-phase training mechanism based on a 3D human pose estimation model. In this presentation, I will explain the approach, present our gait dataset, and show the current problems in modeling temporal correlations between frames."


* mardi 24 mai 2022 : exposé d''''Emmanuel Franck (IRMA)''' à 11h

'''Titre :''' "Scientific machine learning: some applications"

'''Résumé :''' "Scientific computing, at the interface between numerical analysis, PDE and HPC, has been used for many years to build high-performance simulation codes for physics, biology and medicine. Recently, a new branch, called scientific ML, has emerged. It allows to couple standard scientific computing approaches with deep learning methods. In this presentation, after a quick general presentation, we propose to illustrate this concept through several examples. In a first step, we will focus on the design of reduced models for PDEs from physics. Then we will propose examples concerning the optimization of numerical methods for PDEs. Finally, a control problem from biology will be introduced."


* mardi 17 mai 2022 : réunion d'équipe et exposé de '''Pierre Galmiche''' à 11h

'''Titre :''' "Towards a modelization of breast evolution during radiotherapy"

'''Résumé :''' "Breast cancer is usually treated using radiotherapy after a conservative surgery.
Current methods used to irradiate patients are based on the hypothesis that breast shape and volume don't change during therapy.
This hypothesis has been questioned by some radiotherapists, observing volume and surface changes on patients.
Knowing this, we worked on an approach to track the evolution of shape and volume of breasts during radiotherapy using clinical trial data from the ICANS institute.
During this presentation, I will present our approach, show our results concerning the partial shape matching problem and highlight some difficulties encounted while working on real data."


* mardi 19 avril 2022 : réunion d'équipe et exposé de '''Boyang Yu''' à 11h

'''Titre :''' "Differentiable Cloth Simulation and Inverse Simulation"

'''Résumé :''' "Cloth simulation attracts the attention of many researchers because of its numerous applications in 3D content production such as movies and games. However, classic cloth animation requires expertise and practice, sometimes it may take many attempts to achieve the desired effect. This makes the idea of differentiable cloth simulation appealing.  With a proper loss function and by applying gradient-based optimization methods, It can enable automatic control of physical systems or parameter estimation. In this presentation, we will see how to make a physical cloth simulation pipeline differentiable so that the gradients could be backpropagated through it."


* mardi 5 avril 2022 : réunion permanent 10h, réunion d'équipe et exposé de '''Guillaume Mestdagh''' à 11h

'''Titre :''' "An optimal control problem for elastic registration and force estimation in augmented surgery"

'''Résumé :''' "The nonrigid alignment between a pre-operative biomechanical model and an intra-operative observation is a critical step to track the motion of a soft organ in augmented surgery. While many elastic registration procedures introduce artificial forces into the direct physical model to drive the registration, we propose in this paper a method to reconstruct the surface loading that actually generated the observed deformation. The registration problem is formulated as an optimal control problem where the unknown is the surface force distribution that applies on the organ and the resulting deformation is computed using an hyperelastic model. Advantages of this approach include a greater control over the set of admissible force distributions, in particular the opportunity to choose where forces should apply, thus promoting physically-consistent displacement fields. The optimization problem is solved using a standard adjoint method. We present registration registration results with experimental phantom data showing that our procedure is competitive in terms of accuracy. In an example of application, we estimate the forces applied by a surgery tool on the organ. Such an estimation is relevant in the context of robotic surgery systems, where robotic arms usually do not allow force measurements, and providing haptic feedback remains a challenge."


* mardi 22 mars 2022 : réunion d'équipe et exposé de '''François Lecomte''' à 11h

'''Titre :''' "CNN-based Diffeomorphic Mapping for Real-Time Deformable 2D-3D registration"

'''Résumé :''' "We present a method for estimating, in real-time, a 3D displacement field from a single fluoroscopic image. Our approach uses a fully convolutional network architecture to solve the associated inverse problem. Supervised learning is performed on synthetic data, using Digitally Reconstructed Radiographs as input and displacement fields as output. These displacement fields are generated using a diffeomorphic mapping framework to enforce invertibility and smoothness. This also allows our method to be generic and independent of a particular organ deformation or surgical procedure, although it can be tuned to follow the key characteristics of a specific scenario. Results show that our method can estimate the 3D displacement field with an average accuracy of 0.24 ± 0.29mm, at a frame rate of about 20 frames persecond.


* mardi 8 mars 2022 : réunion permanent 10h et exposé de '''Saurabh Deshpande''' (Luxembourg) à 11h

'''Titre :''' "Probabilistic Deep Learning for Real-Time Large Deformation Simulations"

'''Résumé :''' "In this work, we propose a probabilistic deep learning surrogate framework that is capable of accurately predicting non-linear deformations of bodies together with the predictions’ uncertainties. The framework directly takes the Finite Element nodal forces at the neural network input to give nodal displacements at its output. The probabilistic part of the framework is based on a dedicated Variational Inference formulation, thanks to which we are not only able to efficiently capture uncertainties related to noisy data, but we have also knowledge about the model uncertainties—which is especially important in regions not well supported by the data (e.g., the extrapolated region)."


* mardi 15 février 2022 : réunion permanent 10h et exposé à 11h de '''Leo Nouveau'''

'''Titre :''' "High order embedded strategy for elliptic PDEs in mixed form with the Shifted Boundary Method."

'''Résumé :''' "This presentation will be divided in two parts. First, we will see the main features of the Shifted Boundary Method, introduced by A. Main and G. Scovazzi [1]. This method aims at imposing the boundary condition known on an immersed boundary, onto a surrogate one, composed by edges/surfaces of the underlying mesh. To account for the discrepancy between the “true” and “shifted” boundaries, the method modifies the imposed boundary value using Taylor expansions. This allows to preserve the accuracy of the underlying finite element scheme. In a second part dedicated to elliptic PDEs in mixed form, we will investigate how on P1 elements, an overall second order accuracy can be recovered for both Neumann and Dirichlet conditions. This is done using the enrichment of the primary variable [2], and also allows to obtain a third order accurate scheme when only Dirichlet conditions are embedded [3]. This part will be concluded by on-going work, with T. Carlier, H. Beaugendre and M. Colin, for an application to the Stefan problem with moving front."
&lt;!--* mardi 8 février 2022 : réunion d'équipe à 11h


* mardi 1er février 2022 : pas de réunion--&gt;


* mardi 25 janvier 2022 : réunion d'équipe 10h, exposé à 11h de '''Pierre Mollo'''

'''Titre :''' "Modeling cerebral venous blood flows"

'''Résumé :''' "Several factors make venous blood flows much less studied than their arterial counterparts. For example, the venous tree structure presents great variation from one individual to another: preponderance of certain structures, asymmetry, absence of other structures. This makes a generic study very complex. However, we will see in this presentation that by limiting ourselves to cerebral blood flows, we can empirically identify groups of individuals. Moreover, the restriction to the intracranial compartment allows us to use the hypothesis of incompressibility of venous blood vessels.  Thus we will see and compare several models for these flows but also their possible extensions. Finally, we will discuss the possibility of using reduced models and the associated applications."
&lt;!--* mardi 18 janvier 2022  : pas de réunion


* mardi 11 janvier 2022 : réunion permanent à 10h et réunion d'équipe à 11h


* mardi 4 janvier 2022 : pas de réunion


* mardi 21 décembre 2021 : réunion d'équipe à 11h


* mardi 14 décembre 2021 : pas de réunion


* mardi 7 décembre 2021 : réunion permanent à 10h, réunion d'équipe à 11h--&gt;


* mardi 9 novembre 2021 : '''Muhammad Sajjad'''

'''Titre :''' "Efficient Deep Learning Methods for IoT Applications: Current Challenges and Future Directions"


* mardi 26 octobre 2021 : '''Eligiusz Postek'''

'''Titre :''' "A concept of a coupled agent-stress mechanical model of a tissue"

'''Résumé :''' "The physical environment of living cells and tissues, and more particularly their mechanical interaction with it, plays a crucial regulatory role in their biological behavior such as cel  differentiation, apoptosis, proliferation, tissue growth, remodeling, wound healing, etc. We will use a concept of coupling of the Agent Based Modelling (ABM) and mechanical modeling. The latter will be applied to single cell models and their colonies. Therefore, it is important to evaluate state of stress in the growing, evolving tissue. To do this, a model  of a single cell is necessary as well. The single cell model should  consist of the cytoskeleton, cytoplasm, nucleus and cortex."


* mardi 31 août 2021 : '''Boyang Yu et zhiyu Zheng'''

'''Titre de Boyang Yu :''' "SOTA cloth modeling and its use in motion simulation"

'''Résumé de Boyang Yu :''' "The animation of digital humans in clothing has numerous applications in 3D content production. However, cloth modeling requires editing the garment shape in 2D, manually placing, and fine-tuning to achieve final results. This pipeline does need expertise even for an experienced 3D animator. To facilitate cloth modeling, some data-based work has been proposed to learn efficient approximate models, the application of deep learning in recent years has promoted it further. Besides, the reconstruction of humans in clothing is also a topic of interest to researchers. By fitting 3D human &amp; cloth models to a sequence of 3D scans or a video, a more tidy sequence of meshes could be retrieved. In this context, we would like to propose an efficient yet independent of body modeling of cloth, it should be compatible with existing cloth simulator and well parameterized for learning."

'''Titre de zhiyu Zheng :''' "On the differentiable cloth simulator for inverse problem"

'''Résumé de zhiyu Zheng :''' "This project is to explore a differentiable cloth simulator to see its performance for inverse problem like motion control and external force estimation. In our project, we have studied the differentiable cloth simulator coupled with deep neural networks. Firstly, we have tested the performance of the simulator with motion control task, and we found that the simulator coupled with the neural networks can be trained to execute different tasks of throwing the piece of cloth into the basket at different locations. Our result only provides a view of the possibility for more extended applications, and it could be further optimized with more trainings. Then we test its performance for dropping force estimation, we found that given a sequence of cloth mesh frames, the simulator can well determine the dropping force according to their deformation and movement. This is important and could be potentially applied for more complicated external force estimation like the force applied by the human body on the cloth."


* mardi 13 juillet 2021 : '''Anne-Sarah Debly'''

'''Titre :''' "Autonomous endovascular navigation using reinforcement learning"

'''Résumé :''' "Catheters are mainly used to treat cardiac diseases like strokes and heart attacks but navigating through the vascular tree is a hard task for the surgeon. Today, he can follow the position of the catheter in the patient's vessels thanks to fluoroscopic imaging, but it gives only 2D images, with a complex visualization of the vessels. For these reasons, we propose to develop an estimation of the 3D shape of the catheter in 3D thanks to FBG sensors placed on an optic fiber to retrieve the 3D shape of the device. Then, we would like to develop a closed-loop system based on depp reinforcement learning to make possible the autonomous navigation of the catheter. By combining knowledge of the 3D shape of the catheter from the sensors, and a deep learning algorithm to choose the best path to the target, a robot could control the catheter tip."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1626164947366 bbb]

'''Slides : '''[[Media:Presentation_anne_sarah.pdf|pdf]]


* mardi 29 juin 2021 : '''Virginie Marec'''

'''Titre :''' "Integration of a force sensor for online estimation of the behaviour of the system and parametrization of the real-time simulation during robotic needle insertion."

'''Résumé :''' "This internship focuses on real-time updates of a biomechanical model of a needle insertion procedure based on force sensor data. In fact, a force sensor can be integrated at the base of a needle in order to measure in real time the force applied to the latter during its insertion. These data will then make it possible to achieve 2 objectives:
-Detect layer changes when inserting the needle in a heterogeneous gel (skin, fat, muscle, liver).
-Estimate the frictional forces applied along the needle.
In parallel, a finite element model is implemented on SOFA. We want to obtain a realistic simulation that correctly models the behavior and the deformations of the tissues during the insertion of the needle. The final objective of this project is to create a method which, from the values ​​obtained from a force sensor, is able to deduce the state of the system (i.e. in which tissue is the needle and how friction acts on it). The parameters of the SOFA model can then be adjusted in real time so that the simulation best matches reality."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624955148182 bbb]

'''Slides : '''[[Media:Presentation_Virginie_MAREC.pdf|pdf]]


* mardi 22 juin 2021 : '''Josephine Riedinger'''

'''Titre :''' "Closed-loop Transcranial Electric Stimulation of Neural Networks in a Rodent Model of Psychotic Transition"

'''Résumé :''' "Schizophrenia is a psychotic disorder characterized by a loss of contact of the patient with reality. The prodromal phase is the period in which some symptoms happened and announced the onset of the disease. Today, there is an increasing interest in preventing the psychotic transition of patients-at-risk (in the prodromal phase) to the chronic psychotic phase of the disease. Interestingly, it was shown that patients in this prodromal phase shown abnormal cerebral oscillations that can be used as biomarkers. Hence, we can ask if the normalization of these "oscillopathies" could delay, or even prevent, the psychotic transition and so, the entry of the patients in the chronic phase of the disease. One way could be the application of a neuromodulation technique, such as the promising Transcranial Electrical Stimulation (TES). In this pre-clinical project, we would like to explore if a closed-loop TES application can normalize the oscillopathies found in patients. For this purpose, electrophysiological experiments are conducted in an animal model of ketamine-induced psychotic transition. Complementary, a model of the brain network of interest is designed and an adapted control system is researched. An extended Kalman filter will allow the model observer to take into account real brain activity for the computation of the predictions of states and observations. Advancements and first results are encouraging and will be presented."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1624350372582 bbb]


* mardi 15 juin 2021 : '''Thomas Wahl''' et '''Philippe Pincon'''

'''Titre de Thomas Wahl :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Résumé de Thomas Wahl :''' "Psychosis in schizophrenia is known to be correlated with a stronger activity in the frequency range 25-60 Hz, corresponding to γ-oscillations in electroencephalograms (EEGs). Neurostimulation can be used to attenuate this effect. By using a mean-field description derived from a network of interacting excitatory and inhibitory neural population with additive noise input, we can apply linear response theory to study analytically the properties of γ-oscillations, to explain the emergence of noise driven oscillations, also known as quasi-cycles. We can use our understanding of the properties of quasi-cycles to show in details the influence of our model parameters on the properties of the γ-oscillations."

'''Titre de Philippe Pincon :''' "Effects of drugs and neurostimulation on gamma-oscillations in neural networks."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623745217016 bbb]


* mardi 8 juin 2021 : '''Rongrong Liu'''

'''Titre :''' "Wearable Sensor Technology for Individual Grip Force Profiling."

'''Résumé :''' "Wearable biosensor systems with transmitting capabilities represent innovative technology developed to monitor exercise and other task activities. This technology enables real-time, convenient, and continuous monitoring of a user’s behavioral signals, relative to body motion, body temperature and a variety of biological or biochemical markers, like individual grip force, which is studied here. To achieve this goal, a four-step pick-and-drop image-guided robot-assisted precision task has been designed using a wearable wireless sensor glove system. The spatio-temporal grip force profiling is analyzed on the basis of thousands of individual sensor data collected from the twelve locations on the dominant and non-dominant hands of each of the three users in ten successive task sessions. Statistical comparison has shown specific differences between the grip force profiles of individual users as a function of task skill level and expertise."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1623140839958 bbb]

'''Slides : '''[[Media:Presentation_rongrong.pdf|pdf]]


* mardi 25 mai 2021 : '''Pierre Galmiche'''

'''Titre :''' "The Functional representation of the shapes."

'''Résumé :''' "Breast cancer can be treated using radiotherapy after a conservative surgery. The current method used to irradiate patients is based on the hypothesis that the breast shape and volume don't change across radiotherapy sessions. This hypothesis has been questioned by some radiotherapists, observing volume and surface changes during therapy. Knowing this, we want to track the deformation across radiotherapy using clinical trial data from the ICANS institute. To answer this problematic we chose to focus on the Spectral Representation of the shapes to solve the Shape Matching Problem."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621931143126 bbb]

'''Slides : '''[[Média:Presentation_pierre.pdf| pdf]]


* mardi 18 mai 2021 : '''Paul Baksic'''

'''Titre :''' "Shared control strategy for �needle insertion into deformable tissue using inverse Finite Element simulation"

'''Résumé :''' "We have previously proposed a fully automated strategy for percutaneous procedures. This
algorithm is relying on a FEM simulation used to derive the Jacobian linking the needle base motion to
its tip motion relative to the target (the tumor) while taking into account needle-tissue interaction. This
jacobian is used to compute the motion of the robot holding the needle needed to reach the target. To
compute it, a FE model of the liver is registered using 3D positions of a small set of points in the liver
measured in real-time. But to do so, it is assumed that those 3D positions can be measured in real-time,
which is currently not possible.
In our recent work, we propose a more realistic shared-control framework where only 2D information
of those points, coming from a C-ARM, are used to register the model. This introduces higher registration
errors that cannot be compensated by the automatic algorithm. That is why we have proposed a new
shared control strategy for needle insertion into soft tissue. It consists in leaving the decision-making
part (when to insert the needle, and where should the tip go inside of the tissue) to the practitioner. This
is done through a haptic interface, throughout which the user controls the target of the automatic
algorithm inside of the tissue. In addition, the user is guided on a predefined path using virtual fixtures.
Alongside this haptic interface, augmented 2D fluoroscopic images are provided to the practitioner. This
allows leaving the complex motion of the needle base needed to take the needle-tissue interaction into
account to the automated algorithm, while the user can focus more on the important part which is, where
to place the needle tip.
This method an the results of a user study published at ICRA2021 are presented here. In addition, efforts are made to go from a simulated environment to a real phatom trial. This is still a work in progress and the last advances are presented here. "

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1621325100847 bbb]


* mardis 4 et 11 mai 2021 : '''Cedric Bobenrieth'''

'''Titre :''' "Modélisation Géométrique par Croquis"

'''Résumé :''' "De nos jours, la modélisation 3D est omniprésente, cependant les outils modernes pour créer des modèles 3D sont complexes et requièrent beaucoup de temps. A contrario, l’esquisse est un moyen naturel de communiquer rapidement des idées, ainsi une méthode permettant la reconstruction automatique d’objets 3D à partir d’un croquis simplifierait ce processus. Cette méthode devrait résoudre deux problèmes : le calcul des parties cachées de la forme dessinée et la détermination des coordonnées 3D à partir des données 2D du croquis. Dans cette présentation, je vous parlerais de deux nouvelles approches qui visent à surmonter ces problèmes. La première se sert d’a priori et d’une base de données préexistantes pour permettre la reconstruction 3D automatique de fleurs à partir d’un seul croquis selon n’importe quel angle de vue. La seconde permet la reconstruction de tout type d’objets, sans limitations, en utilisant un style de dessin plus informatif et en étant guidée par l’utilisateur."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1620116489192 bbb]

'''Slides : '''[[Média:Presentation_cedric2.pdf| pdf]]


* mardi 27 avril 2021 : '''Dawood Al Chanti'''

'''Titre :''' "IFSS-Net: Interactive Few-Shot Siamese Network for Faster Muscles Segmentation and Propagation in 3-D Freehand Ultrasound"

'''Résumé :''' "We present an accurate, fast and efficient method for segmentation and muscle mask propagation in 3D freehand ultrasound data, towards accurate volume quantification. To this end, we propose a deep Siamese 3D Encoder-Decoder network that captures the evolution of the muscle appearance and shape for contiguous slices and uses it to propagate a reference mask annotated by a clinical expert. To handle longer changes of the muscle shape over the entire volume and to provide an accurate propagation, we devised a Bidirectional Long Short Term Memory module. To train our model with a minimal amount of training samples, we propose a strategy to combine learning from few annotated 2D ultrasound slices with sequential pseudo-labeling of the unannotated slices. To promote few-shot learning, we propose a decremental update of the objective function to guide the model convergence in the absence of large amounts of annotated data. Finally, to handle the class-imbalance between foreground and background muscle pixels, we propose a parametric Tversky loss function that learns to adaptively penalize false positives and false negatives. We validate our approach for the segmentation, label propagation, and volume computation of the three low-limb muscles on a dataset of 44 subjects. We achieve a dice score coefficient of over 95% and a small fraction of error with 1.6035%."

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1619511928128 bbb]


* mardi 20 avril 2021 : '''Mathieu Naudin'''

'''Titre :''' "Virtual biopsy"

'''Résumé :''' "Virtual biopsy is a real societal issue from screening to diagnosis through patient follow-up. It is defined as allowing, from a set of data, to propose a diagnosis and to link it to an uncertainty. The goal is to one day consider the disappearance of physical biopsy for obvious reasons: invasive, traumatic and sometimes dangerous or unfeasible. This method requires an important mix of expert knowledge and artificial intelligence. It uses formatted measurements as an entry point, and neural networks specific to the desired diagnosis and thus respond to the medical problem as a whole. We will see the implementation of this approach through some of my thesis work as well as my recent research on the premises of the following axes: digital twin, lesion microenvironment and deployment in real conditions."


* mardi 13 avril 2021 : '''Guillaume Mestdagh'''

'''Titre :''' "An optimal control approach for surface-matching in augmented surgery"

'''Résumé :''' "Augmented surgery consists in providing in real-time a 3D view of an organ during a surgical intervention. In this context, the displacement field in the organ is reconstructed from partial data. We propose an optimal control approach for this problem, involving an elastic model describing the organ's response to surface loadings and a functional measuring the discrepancy between the current displacement field and available data. In this formulation, we try to reconstruct a physically plausible surface loading field rather than create artificial forces to generate a displacement. In this presentation, we introduce the optimal control formulation and discuss its advanges, and then we show a numerical example on a toy problem."

'''Slides : '''[[Media:The-talk-guillaume-Mestdagh-mlms2 compressed.pdf|pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1618302376622 bbb]


* mardi 30 mars 2021 : '''Ziqiu Zeng'''

'''Titre :''' "Method of isolating dofs on dealing with contact equtations"

'''Résumé :''' "The construction of compliance matrix is usually a main obstacle in real-time FE simulation with interactions between objects. Recently we have developed a new GPU-based method to solve the contact equations using LDL factorization and nested dissection. The approach significantly reduces the computation cost for contact resolution. In the meeting I will present our cmputation strategy as well as our latest results."


* mardi 23 mars 2021 : '''Hyewon Seo'''

'''Titre :''' "Dynamic skin deformation prediction by recurrent neural network"

'''Résumé :''' "Skin dynamics contributes to the enriched realism of human body models in rendered scenes. Traditional methods rely on physics-based simulations to accurately reproduce the dynamic behavior of soft tissues. Due to the model complexity and thus the heavy computation, however, they do not directly offer practical solutions to domains where real-time performance is desirable. The quality shapes obtained by physics-based simulations are not fully exploited by example-based or more recent data-driven methods neither, with most of them having focused on the modeling of static skin shapes by leveraging quality data. To address these limitations, we present a learning-based method for dynamic skin deformation. At the core of our work is a recurrent neural network that learns to predict the nonlinear, dynamics-dependent shape change over time from pre-existing mesh deformation sequence data. Our network also learns to predict the variation of skin dynamics across different individuals with varying body shapes. After training the network delivers realistic, high-quality skin dynamics that are specific to a person in a real-time course. We obtain results that significantly saves the computational time, while maintaining comparable prediction quality compared to state-of-the-art results."

'''Slides : '''[[Média:seminaire_hyewon_seo.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1616489201650 bbb]


* mardi 16 mars 2021 : '''François Lecomte'''

'''Titre :''' "Recalage 3D/2D grâce au Deep Learning sur des données synthétiques"

'''Résumé :''' "Cette présentation parlera du recalage de données CT sur des images fluoroscopiques. Je présenterai notre processus de génération de données synthétiques (DRRs) à partir d’un CT pré-opératoire. J’exposerai ensuite brièvement l’architecture du réseau et le processus d’apprentissage. Après un résumé du processus complet, je présenterai nos résultats sur le dataset de validation synthétique. Je conclurai sur les limites actuelles et les prochaines étapes dans le développement de la méthode."

'''Slides : '''[[Média:Presentation_MLMS_lecomte_16_03_21.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615882064135 bbb]


* mardi 9 mars 2021 : '''Robin Enjalbert'''

'''Titre :''' "Automatic catheter navigation through deep reinforcement learning"

'''Résumé :''' "For this meeting, I will introduce you the basics of Deep Reinforcement Learning as well as a specific algorithm, Deep Q-Network. Then, I will present my work on Deep Reinforcement Learning for the navigation of endovascular catheters."

'''Slides : '''[[Média:Seminaire-SOFA-09-03-2021.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1615280118380 bbb]


* mardi 2 mars 2021 : '''Axel Hutt'''

'''Titre :''' "Models of drug and stimulation impact on neural populations"

'''Résumé :''' "The talk shows recent mathematical and numerical results on the drug impact 
and stimulation impact on brain models. The effects are considered in the context of 
cognition, general anaesthesia and mental disorders."

'''Slides : '''[[Média:Axel_hutt_seminaire.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614674690596 bbb]


* mardi 23 février 2021 : '''Sergei Nikolaev'''

'''Titre :''' "Parameters estimation using Kalman filters for predictive simulation"

'''Résumé :''' "In this talk, we are going to talk about Kalman filters. Firstly, there will be a brief introduction.
Then we will see several options to reduce the order of the filter, in order to obtain the data assimilation process
close to real-time. Finally, several examples will be presented."

'''Slides : '''[[Média:Slides.pdf| pdf]]

'''Enregistrement : '''[https://bbb-prod-rp.unistra.fr/playback/presentation/2.0/playback.html?meetingId=533ae45ea0af2d527ec1e5327d82c55046e22594-1614070197856 bbb]


* mardi 16 février 2021 : '''Jean-Nicolas Brunet'''

'''Titre :''' "Creating python bindings with pybind11 and SofaPython33"

'''Résumé :''' "During this meeting, we will go through the basics of creating packages and modules in python, and how they are automatically found by python. We will then learn how to create packages and modules in C++ with pybind11. Finally, we will go through the bindings of a simple SOFA plugin using both pybind11 and SofaPython3. We will see how we can call C++ functions from our components directly in python, how to inherits a c++ class from a python class and how to bind specific SOFA data types in python."

'''Enregistrement : '''[https://www.youtube.com/watch?v=S0QWV4Wj-vs&amp;list=PLL2-UDGHPj0iLCieVkrv3OvAme0jsWl91&amp;index=11 youtube]

'''Code source du tutoriel : ''' https://github.com/jnbrunet/tutorial_sp3

'''Exemple SofaOffscreenCamera : ''' https://github.com/jnbrunet/SofaOffscreenCamera


* mardi 2 février 2021 : '''Michel Duprez'''

'''Titre :''' "φ-FEM: une méthode éléments finis aux frontières immergées sur des domaines définis par une fonction level-set"

'''Résumé :''' Les méthodes éléments finis classiques utilisent des maillages qui coïncident avec le bord et les interfaces du domaine sur lequel nous effectuons la simulation numérique. Suivant le type d'éléments du maillage utilisés ou lorsque la géométrie du domaine est trop complexe, une méthode alternative consiste à effectuer les calculs sur un maillage qui ne coïncident pas avec le bord et les interfaces du domaine. φ-FEM appartient à cette classe de techniques et a la particularité de tenir compte des forces externes à l'aide d'une fonction "level-set" qui s'annule au bord.
Dans cet exposé, je rappellerai tout d'abord la méthode des éléments finis "classique" et quelles contraintes géométriques doivent satisfaire les maillages. Je présenterai ensuite les différentes méthodes aux frontières immergées précédentes, leurs avantages et leur inconvénients. Enfin, j'introduirai φ-FEM, quel verrous scientifique cette méthode permet de lever et dans quel cadre elle a été développée pour le moment. Je terminerai par quelques simulations numériques.

'''Slides :'''[[Média:Mimesis-phiFEM.pdf | pdf]]</text>
    <sha1>b7bdf85be856d5dcfcab8ac69035054776b50d4c</sha1>
  </revision>
</page>
<page arvcontinue="20250124102154|763">
  <title>Fichier:Modelisation-Realiste-de-Humain.pdf</title>
  <ns>6</ns>
  <id>59</id>
  <revision>
    <id>769</id>
    <timestamp>2025-02-25T15:56:18Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20250124102154|763">
  <title>Membres</title>
  <ns>0</ns>
  <id>4</id>
  <revision>
    <id>776</id>
    <parentid>751</parentid>
    <timestamp>2025-02-28T11:56:34Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Ingénieurs */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4841" xml:space="preserve">[[Fichier:Team photo.jpg|650px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023- août 2024)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

* '''Ishak Barkat''', ingénieur (oct 2024 - )

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] funded by ANR

* '''Boyang Yu''', funded by projet HuMoCar (jan. 2025 - apr. 2025)

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

==Alumni==
* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2021- dec. 2024)

* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - dec. 2024)

* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - dec. 2024)

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - dec. 2024)

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - dec. 2024)

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - nov. 2024)

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>ea339458c3eb14a50dab0f1286d64a5aa694bdaa</sha1>
  </revision>
  <revision>
    <id>777</id>
    <parentid>776</parentid>
    <timestamp>2025-02-28T11:56:46Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Alumni */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="4933" xml:space="preserve">[[Fichier:Team photo.jpg|650px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023- août 2024)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

* '''Ishak Barkat''', ingénieur (oct 2024 - )

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] funded by ANR

* '''Boyang Yu''', funded by projet HuMoCar (jan. 2025 - apr. 2025)

==Doctorants==
Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

==Alumni==
* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2021- dec. 2024)

* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - dec. 2024)

* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - dec. 2024)

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - dec. 2024)

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - dec. 2024)

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - nov. 2024)

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>2cd4b1aee022f29f70a02b364a3896d2f720dc75</sha1>
  </revision>
  <revision>
    <id>781</id>
    <parentid>777</parentid>
    <timestamp>2025-03-03T10:55:55Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Doctorants */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="5208" xml:space="preserve">[[Fichier:Team photo.jpg|650px|vignette]]
==Membres permanents==
* Romain Orhand, Enseignant-Chercheur IUT Robert Schuman, Université de Strasbourg (section CNU 27).

* Pablo Alvarez, Chargé de Recherche INRIA (section CNU 27).

* [https://mlms.icube.unistra.fr/index.php/C%C3%A9dric_Bobenrieth '''Cédric Bobenrieth'''], Enseignant-Chercheur ECAM (section CNU 27).

* [http://stephanecotin.com/ '''Stéphane Cotin'''] (Co-responsable d'équipe), Directeur de Recherche INRIA (section CNU 27).

* [https://hadrien.courtecuisse.cnrs.fr/ '''Hadrien Courtecuisse'''], Chargé de Recherche CNRS (section CNU 27, section CNRS 07).
  
* [http://mduprez.perso.math.cnrs.fr/ '''Michel Duprez'''], Chargé de Recherche INRIA (sections CNU 25 et 26).

* [http://www.geocities.ws/digitalbath/ '''Axel Hutt'''], Directeur de Recherche INRIA (section CNU 26 et 69).

* [http://igg.unistra.fr/People/seo/ '''Hyewon Seo'''] (Co-responsable d'équipe), Directrice de recherche CNRS (section CNU 27, section CNRS 07).

==Associés==

* '''Juan Verde''' surgeon scientist à l'IHU Strasbourg 
* '''Aïna Venkatasamy''' (HDR 2022 à U. Strasbourg) researcher à l'IHU Strasbourg ainsi que l'INSERM U1113
* [http://www.hugotalbot.com/ '''Hugo Talbot'''], ingénieur de recherche et coordinateur de  [https://www.sofa-framework.org/consortium/presentation/ SOFA Consortium]
* '''Ouiza Herbi''' assistante administrative des équipes Inria MIMESIS, CAMUS et TONUS

==Ingénieurs==

* '''Robin Enjalbert''', ingénieur dans le cadre des Actions de Développement Technologique (ADT) de l'équipe Inria (jan 2021 - juin 2022)

* '''Vincent Italiano''', ingénieur Inria dans le cadre de la collaboration avec la chaire BOPA (hôpital Paul Brousse) (déc 2022 - déc 2024)

* '''Antoine Oberle''', ingénieur CNRS (sept 2023- août 2024)

* '''Léo Bois''', ingénieur Inria dans le cadre du projet Meditwin (mars 2024 - fév. 2025)

* '''Ishak Barkat''', ingénieur (oct 2024 - )

==Post-docs==

* [http://rbulle.github.io/ '''Raphaël Bulle'''] funded by ANR

* '''Boyang Yu''', funded by projet HuMoCar (jan. 2025 - apr. 2025)

==Doctorants==
Ph.D. 2025:
* '''Ilias Nahmed''' Thèse financée par le projet MediTwin supervisée par Stéphane Cotin, Pablo Alvarez et Michel Duprez (mar. 2025 - ...)

* '''Telma Nette''' Thèse financée par l'INRIA supervisée par Anne Giersch (INSERM) et Axel Hutt (mar. 2025 - ...)

Ph.D. 2024:
* '''Negin Majzoubi''' Thèse financée par l'INSERM-l'INRIA supervisée par Axel Hutt et Anne Bonnefond (oct. 2024 - ...)

Ph.D. 2023:
* '''Frédérique Lecourtier''' Thèse financée par l'ANR et la "Région grand Est" supervisée par Michel Duprez, Vanessa Lleras et Emmanuel Franck (oct. 2023 - ...)

Ph.D. 2022:
* '''Killian Wuillemot''' Thèse ministérielle, supervisée par Michel Duprez, Vanessa Lleras et Bijan Mohammadi (oct. 2022- ...)
* '''Claire Martin''' Thèse financée par l'ANR SPECULAR, supervisée par Hadrien Courtecuisse (oct. 2022- ...)

Ph.D. 2021:
* '''Diwei Wang''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Hyewon Seo et Frédéric Blanc (oct. 2021 - ...)
* '''Nicola Zotto''' Thèse financée par l'Université et l'ANR (ArtIC), supervisée par Stephane Cotin (nov. 2021 - ...)
* '''Long Ha Thuc''' Thèse Icube supervisée par Hadrien Courtecuisse et Julien Bert (nov. 2021 - ...)

==Alumni==
* '''Kebing Xue''', ingénieur CNRS dans le cadre du project HuMoCAR (oct 2023 - oct 2024)

* '''Sidaty El Hadramy''' Thèse financée par l'Inria et l'IHU, supervisée par Stéphane Cotin (oct. 2021- dec. 2024)

* '''Valentina Scarponi''' Thèse financée par Interdisciplinary Thematic Institutes (ITI), supervisée par Stephane Cotin, Florent Nageotte et Michel Duprez (oct. 2021 - dec. 2024)

* '''Thomas Wahl''' Thèse financée par l'INRIA (programme CORDI-S), supervisée par Axel Hutt et Michel Duprez (oct. 2021 - dec. 2024)

* '''François Lecomte''' Thèse financée par Inria, supervisée par Stephane Cotin (oct. 2021 - dec. 2024)

* '''Boyang Yu''' Thèse financée par [https://human4d.unistra.fr ANR Huamn4D], supervisée par Hyewon Seo (juin. 2021 - dec. 2024)

* '''Pierre Galmiche''' Thèse ministérielle supervisée par Hyewon Seo et Michel De Mathelin (oct. 2020 - nov. 2024)

* '''Pablo Arturo Alvarez Corrales''' supervised by Stéphane Cotin funded by Inria ( - june 2024)

* '''Joséphine Riedinger''' Thèse financé par Inria, supervisé par Axel Hutt (dec. 2020 - fév. 2024)

* '''Alban Odot''' Thèse financé par Inria, supervisé par Stéphane Cotin (oct. 2019 - déc. 2023)

* '''Ziqiu Zeng''' Thèse financée par l'ANR SPERRY CNRS (portée par Hadrien Courtecuisse) et supervisée par Stéphane Cotin (sept. 2019- sept. 2023)

* '''Guillaume Mestdagh''' Thèse ministérielle de l'École polytechnique (AMX) encadrée par Stéphane Cotin et Yannick Privat (oct. 2019 - déc. 2022)

* [https://www.linkedin.com/in/sergei-nikolaev-a525b544/ '''Sergei Nikolaev'''] Thèse financée par "[https://hipernav.eu/ European HiperNav project]" (European Union’s Horizon 2020 Research  and Innovation programme under Marie Skłodowska-Curie grant agreement No. 722068) encadrée par Stéphane Cotin (mai 2017- sept. 2021)</text>
    <sha1>1ee08c3662612eed4e64dbb51b39bafd1bef00c6</sha1>
  </revision>
</page>
<page arvcontinue="20250124102154|763">
  <title>Fichier:GL Modelisation-Realiste-de-Humain.pdf</title>
  <ns>6</ns>
  <id>60</id>
  <revision>
    <id>779</id>
    <timestamp>2025-03-01T14:31:03Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="0" xml:space="preserve"></text>
    <sha1>da39a3ee5e6b4b0d3255bfef95601890afd80709</sha1>
  </revision>
</page>
<page arvcontinue="20250124102154|763">
  <title>Projets</title>
  <ns>0</ns>
  <id>12</id>
  <revision>
    <id>784</id>
    <parentid>717</parentid>
    <timestamp>2025-03-04T14:53:54Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6299" xml:space="preserve">[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs] (oct. 2020 -...)''' : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC] (sept. 2020 - août 2024)''', Artificial Intelligence for Care  : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''DynaMoV (sept. 2021 - août 2022)''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

[[Fichier:Image1.png|vignette]]
* '''[https://human4d.unistra.fr/ Human4D](oct. 2019 - mar. 2024)''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry] (dec. 2018 - nov. 2021)''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD] (janv. 2021 - déc. 2022)''' : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle (sept. 2015 - janv. 2022)''': projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA] (juin 2020 - )''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher. L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

* '''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots '''(oct. 2021 - oct. 2025)''': Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''Specular (oct. 2021 - oct. 2025)''': Simulation of needle insertion en virtual reality and haptics, est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid (oct. 2021 - oct. 2025)''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip, est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).

* '''[https://garsem.unistra.fr/ GarSeM] (oct. 2024- oct. 2028)''' : Deep Garment Semantics , est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 3 partenaires nationaux : ENSAIT (Univ. Lille), ICube (Univ. Strasbourg), et LIRIS (Ecole Central de Lyon). GarSeM vise une compréhension sémantique approfondie des vêtements, qui présentent des comportements topologiques et physiques complexes.</text>
    <sha1>8ef7c644b853a0cf6ff2b13a3ebb837048892f2a</sha1>
  </revision>
  <revision>
    <id>785</id>
    <parentid>784</parentid>
    <timestamp>2025-03-04T14:58:48Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6300" xml:space="preserve">* '''[https://garsem.unistra.fr/ GarSeM] (oct. 2024- oct. 2028)''' : Deep Garment Semantics , est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 3 partenaires nationaux : ENSAIT (Univ. Lille), ICube (Univ. Strasbourg), et LIRIS (Ecole Central de Lyon). GarSeM vise une compréhension sémantique approfondie des vêtements, qui présentent des comportements topologiques et physiques complexes.

* '''Specular (oct. 2021 - oct. 2025)''': Simulation of needle insertion en virtual reality and haptics, est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid (oct. 2021 - oct. 2025)''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip, est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).

* '''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots '''(oct. 2021 - oct. 2025)''': Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''DynaMoV (sept. 2021 - août 2022)''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD] (janv. 2021 - déc. 2022)''' : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.


[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs] (oct. 2020 -...)''' : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC] (sept. 2020 - août 2024)''', Artificial Intelligence for Care  : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA] (juin 2020 - )''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher. L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

[[Fichier:Image1.png|vignette]]
* '''[https://human4d.unistra.fr/ Human4D](oct. 2019 - mar. 2024)''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry] (dec. 2018 - nov. 2021)''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle (sept. 2015 - janv. 2022)''': projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>643480f777adf8b03e2593b17604b53ec994292f</sha1>
  </revision>
  <revision>
    <id>786</id>
    <parentid>785</parentid>
    <timestamp>2025-03-04T14:59:13Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6299" xml:space="preserve">* '''[https://garsem.unistra.fr/ GarSeM] (oct. 2024- oct. 2028)''' : Deep Garment Semantics , est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 3 partenaires nationaux : ENSAIT (Univ. Lille), ICube (Univ. Strasbourg), et LIRIS (Ecole Central de Lyon). GarSeM vise une compréhension sémantique approfondie des vêtements, qui présentent des comportements topologiques et physiques complexes.

* '''Specular (oct. 2021 - oct. 2025)''': Simulation of needle insertion en virtual reality and haptics, est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid (oct. 2021 - oct. 2025)''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip, est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).

* '''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots '''(oct. 2021 - oct. 2025)''': Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''DynaMoV (sept. 2021 - août 2022)''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD] (janv. 2021 - déc. 2022)''' : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs] (oct. 2020 -...)''' : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC] (sept. 2020 - août 2024)''', Artificial Intelligence for Care  : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA] (juin 2020 - )''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher. L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

[[Fichier:Image1.png|vignette]]
* '''[https://human4d.unistra.fr/ Human4D](oct. 2019 - mar. 2024)''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry] (dec. 2018 - nov. 2021)''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle (sept. 2015 - janv. 2022)''': projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>ffcf7a979a183b04d18d0c94c1c5f87bf607e714</sha1>
  </revision>
  <revision>
    <id>787</id>
    <parentid>786</parentid>
    <timestamp>2025-03-04T15:01:34Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6393" xml:space="preserve">* '''[https://michelduprez.fr/anr-jcjc-phifem-2022-2026-accueil/ Phi-FEM] (jan. 2023-...)'''

* '''[https://garsem.unistra.fr/ GarSeM] (oct. 2024- oct. 2028)''' : Deep Garment Semantics , est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 3 partenaires nationaux : ENSAIT (Univ. Lille), ICube (Univ. Strasbourg), et LIRIS (Ecole Central de Lyon). GarSeM vise une compréhension sémantique approfondie des vêtements, qui présentent des comportements topologiques et physiques complexes.

* '''Specular (oct. 2021 - oct. 2025)''': Simulation of needle insertion en virtual reality and haptics, est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid (oct. 2021 - oct. 2025)''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip, est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).

* '''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots '''(oct. 2021 - oct. 2025)''': Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''DynaMoV (sept. 2021 - août 2022)''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD] (janv. 2021 - déc. 2022)''' : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs] (oct. 2020 -...)''' : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC] (sept. 2020 - août 2024)''', Artificial Intelligence for Care  : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA] (juin 2020 - )''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher. L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

[[Fichier:Image1.png|vignette]]
* '''[https://human4d.unistra.fr/ Human4D](oct. 2019 - mar. 2024)''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry] (dec. 2018 - nov. 2021)''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle (sept. 2015 - janv. 2022)''': projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>eede82886c83f7389f93857af143f36de97bf08e</sha1>
  </revision>
  <revision>
    <id>789</id>
    <parentid>787</parentid>
    <timestamp>2025-03-07T07:06:16Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6627" xml:space="preserve">* '''[https://michelduprez.fr/anr-jcjc-phifem-2022-2026-accueil/ Phi-FEM] (jan. 2023-...)''': développement d'une méthode d'éléments finis pour la conception de jumeaux numériques en temps réel en chirurgie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Michel Duprez.

* '''[https://garsem.unistra.fr/ GarSeM] (oct. 2024- oct. 2028)''' : Deep Garment Semantics , est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 3 partenaires nationaux : ENSAIT (Univ. Lille), ICube (Univ. Strasbourg), et LIRIS (Ecole Central de Lyon). GarSeM vise une compréhension sémantique approfondie des vêtements, qui présentent des comportements topologiques et physiques complexes.

* '''Specular (oct. 2021 - oct. 2025)''': Simulation of needle insertion en virtual reality and haptics, est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid (oct. 2021 - oct. 2025)''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip, est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).

* '''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots '''(oct. 2021 - oct. 2025)''': Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''DynaMoV (sept. 2021 - août 2022)''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD] (janv. 2021 - déc. 2022)''' : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs] (oct. 2020 -...)''' : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC] (sept. 2020 - août 2024)''', Artificial Intelligence for Care  : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA] (juin 2020 - )''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher. L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

[[Fichier:Image1.png|vignette]]
* '''[https://human4d.unistra.fr/ Human4D](oct. 2019 - mar. 2024)''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry] (dec. 2018 - nov. 2021)''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle (sept. 2015 - janv. 2022)''': projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>baa0d883b5f6dc59cb096819ddbc7fbb7dd68cc1</sha1>
  </revision>
  <revision>
    <id>790</id>
    <parentid>789</parentid>
    <timestamp>2025-03-07T07:12:44Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="6975" xml:space="preserve">* '''[https://garsem.unistra.fr/ GarSeM] (oct. 2024- oct. 2028)''' : Deep Garment Semantics , est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 3 partenaires nationaux : ENSAIT (Univ. Lille), ICube (Univ. Strasbourg), et LIRIS (Ecole Central de Lyon). GarSeM vise une compréhension sémantique approfondie des vêtements, qui présentent des comportements topologiques et physiques complexes.

* '''[https://ihuican.org/meditwin-lutilisation-du-jumeau-numerique-pour-developper-la-medecine-personnalisee-de-demain/ MEDITWIN] (2023-2028)''': l’utilisation du jumeau numérique pour développer la médecine personnalisée de demain, est un projet financé par france 2030 dont Michel Duprez, Pablo Alvarez et Stéphane Cotin sont membres. 

* '''[https://michelduprez.fr/anr-jcjc-phifem-2022-2026-accueil/ Phi-FEM] (jan. 2023-...)''': développement d'une méthode d'éléments finis pour la conception de jumeaux numériques en temps réel en chirurgie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Michel Duprez.

* '''Specular (oct. 2021 - oct. 2025)''': Simulation of needle insertion en virtual reality and haptics, est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid (oct. 2021 - oct. 2025)''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip, est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).

* '''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots '''(oct. 2021 - oct. 2025)''': Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''DynaMoV (sept. 2021 - août 2022)''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD] (janv. 2021 - déc. 2022)''' : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs] (oct. 2020 -...)''' : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC] (sept. 2020 - août 2024)''', Artificial Intelligence for Care  : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA] (juin 2020 - )''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher. L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

[[Fichier:Image1.png|vignette]]
* '''[https://human4d.unistra.fr/ Human4D](oct. 2019 - mar. 2024)''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry] (dec. 2018 - nov. 2021)''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle (sept. 2015 - janv. 2022)''': projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>96b42ef2dc8ee582d3d3b451c9889fc286932db8</sha1>
  </revision>
  <revision>
    <id>791</id>
    <parentid>790</parentid>
    <timestamp>2025-03-07T07:16:31Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="7631" xml:space="preserve">* '''[https://premyom.com/ PREMYOM] (2029-2029)''': "Prise en charge et Ralentissement de la MYopie par l'Optique Médicale" est un projet financé par france 2030 dont Michel Duprez, Pablo Alvarez et Stéphane Cotin sont membres. Le projet PREMYOM (Prise en charge et Ralentissement de l'Epidémie de MYopie par l'Optique Médicale), avec à la clef des solutions basées sur l'optique médicale pour ralentir l'épidémie mondiale de myopie, vise à établir une référence thérapeutique pour le traitement personnalisé de la myopie s'appuyant sur des savoir-faire uniques et une mise en oeuvre rigoureuse de recherche, développement et innovation.

* '''[https://garsem.unistra.fr/ GarSeM] (oct. 2024- oct. 2028)''' : Deep Garment Semantics , est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 3 partenaires nationaux : ENSAIT (Univ. Lille), ICube (Univ. Strasbourg), et LIRIS (Ecole Central de Lyon). GarSeM vise une compréhension sémantique approfondie des vêtements, qui présentent des comportements topologiques et physiques complexes.

* '''[https://ihuican.org/meditwin-lutilisation-du-jumeau-numerique-pour-developper-la-medecine-personnalisee-de-demain/ MEDITWIN] (2023-2028)''': l’utilisation du jumeau numérique pour développer la médecine personnalisée de demain, est un projet financé par france 2030 dont Michel Duprez, Pablo Alvarez et Stéphane Cotin sont membres. 

* '''[https://michelduprez.fr/anr-jcjc-phifem-2022-2026-accueil/ Phi-FEM] (jan. 2023-...)''': développement d'une méthode d'éléments finis pour la conception de jumeaux numériques en temps réel en chirurgie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Michel Duprez.

* '''Specular (oct. 2021 - oct. 2025)''': Simulation of needle insertion en virtual reality and haptics, est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid (oct. 2021 - oct. 2025)''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip, est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).

* '''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots '''(oct. 2021 - oct. 2025)''': Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''DynaMoV (sept. 2021 - août 2022)''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD] (janv. 2021 - déc. 2022)''' : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs] (oct. 2020 -...)''' : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC] (sept. 2020 - août 2024)''', Artificial Intelligence for Care  : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA] (juin 2020 - )''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher. L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

[[Fichier:Image1.png|vignette]]
* '''[https://human4d.unistra.fr/ Human4D](oct. 2019 - mar. 2024)''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry] (dec. 2018 - nov. 2021)''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle (sept. 2015 - janv. 2022)''': projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>1d1d3329a524d6b89e828874f26df754849667a7</sha1>
  </revision>
  <revision>
    <id>793</id>
    <parentid>791</parentid>
    <timestamp>2025-03-07T13:03:53Z</timestamp>
    <contributor>
      <username>Michel.duprez</username>
      <id>9</id>
    </contributor>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="7604" xml:space="preserve">* '''[https://premyom.com/ PREMYOM] (2024 - 2029)''': "Prise en charge et Ralentissement de la MYopie par l'Optique Médicale" est un projet financé par france 2030 dont Michel Duprez, Pablo Alvarez et Stéphane Cotin sont membres. Le projet PREMYOM (Prise en charge et Ralentissement de l'Epidémie de MYopie par l'Optique Médicale), avec à la clef des solutions basées sur l'optique médicale pour ralentir l'épidémie mondiale de myopie, vise à établir une référence thérapeutique pour le traitement personnalisé de la myopie s'appuyant sur des savoir-faire uniques et une mise en oeuvre rigoureuse de recherche, développement et innovation.

* '''GarSeM (oct. 2024- oct. 2028)''' : Deep Garment Semantics , est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 3 partenaires nationaux : ENSAIT (Univ. Lille), ICube (Univ. Strasbourg), et LIRIS (Ecole Central de Lyon). GarSeM vise une compréhension sémantique approfondie des vêtements, qui présentent des comportements topologiques et physiques complexes.

* '''[https://ihuican.org/meditwin-lutilisation-du-jumeau-numerique-pour-developper-la-medecine-personnalisee-de-demain/ MEDITWIN] (2023-2028)''': l’utilisation du jumeau numérique pour développer la médecine personnalisée de demain, est un projet financé par france 2030 dont Michel Duprez, Pablo Alvarez et Stéphane Cotin sont membres. 

* '''[https://michelduprez.fr/anr-jcjc-phifem-2022-2026-accueil/ Phi-FEM] (jan. 2023-...)''': développement d'une méthode d'éléments finis pour la conception de jumeaux numériques en temps réel en chirurgie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Michel Duprez.

* '''Specular (oct. 2021 - oct. 2025)''': Simulation of needle insertion en virtual reality and haptics, est un projet national français financé par l'ANR (Agence nationale de la recherche) dans le programme PRCE (projet de recherche collaborative: entreprises). Porté par Stéphane Cotin, avec Hadrien Courtecuisse.

* '''S-Keloid (oct. 2021 - oct. 2025)''': Understanding Keloid Disorders: A multi-scale in vitro/in vivo/in silico approach towards digital twins of skin organoids on the chip, est un projet bi-national financé par l'ANR (Agence nationale de la recherche) dans le programme PRCI (projet de recherche collaborative: international).

* '''Hu'''man '''Mo'''del for '''CA'''re '''R'''obots '''(oct. 2021 - oct. 2025)''': Photo-realistic, physics-aware Human 4D modeling pour les robots-assistants des personnes âgées. Projet bi-national (avec la Corée du Sud) et financé par l'ETRI (l'Electronics and Telecommunications Research Institute). Coordonné par Hyewon Seo (CNRS), Stéphane Cotin (INRIA), et Minsu Jang (ETRI), avec la participation de Michel Duprez et Cédric Bobenrieth.

* '''DynaMoV (sept. 2021 - août 2022)''' : Learning-Based Approach for 3D Reconstruction of Dynamic Human Model from Single-View Video : projet financé par l'Idex, Université de Strasbourg, porté par Hyewon Seo. 

*'''[https://mlms.icube.unistra.fr/index.php/3D-Priad 3D-PRIAD] (janv. 2021 - déc. 2022)''' : Conception d’un modèle comportemental multimodale et générique pour la détection d’anomalie et le suivi de qualité au cours du processus d’impression 3D. Projet API financé par ICube et coordonné par Cédric Bobenrieth, avec la participation d'Arash Habibi et Hyewon Seo.

[[Fichier:A ADDrugs.jpg|vignette]]
* '''[https://www.inria.fr/fr/laction-exploratoire-ad-drugs-veut-optimiser-la-neurostimulation A/D Drugs] (oct. 2020 -...)''' : Action exploratoire Inria portée par Axel Hutt. Dans la prise en charge des troubles mentaux, l’apparition de résistances aux traitements est un problème majeur. Remplacer le médicament analogique (une substance chimique) par un médicament digital (une stimulation neuronale) pourrait permettre de contourner le problème. C’est l’objectif de l’action exploratoire A/D Drugs, qui mettra en jeu un procédé d’assimilation de données et de contrôle permettant d’adapter la stimulation au patient.

* '''[http://www.recherche.unistra.fr/index.php?id=32936 ArtIC] (sept. 2020 - août 2024)''', Artificial Intelligence for Care  : projet financé par l'Agence Nationale de la Recherche (ANR) et l'ICube, Université de Strasbourg. Stéphane Cotin, Hyewon Seo y participent. 

* '''[https://www.linkedin.com/pulse/la-chirurgie-est-un-vieux-m%C3%A9tier-plein-davenirl-eric-vibert-md-phd/?articleId=6672172297283010560 Chaire Innovation BoPA] (juin 2020 - )''' : développement de technologies numériques pour « augmenter » le chirurgien par la vue, la parole et le toucher. L'objectif principal du projet est de développer des outils d'interaction hommes-machines afin de réaliser une chirurgie virtuelle sur des jumeaux numériques avant ou pendant la chirurgie. La Chaire Innovation BOPA est financée par la Fondation de l'AP/HP et la Fondation de l'Institut Mines Télécom à travers un Mécénat d'Orange, de Medtronic, de Relyens, de Boston Scientific, de Caresyntax et de Getinge.

[[Fichier:Image1.png|vignette]]
* '''[https://human4d.unistra.fr/ Human4D](oct. 2019 - mar. 2024)''' : Acquisition, Analysis and Synthesis of Human Body Shape in Motion, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hyewon Seo. Il a été sélectionné comme projet collaboratif (programme PRC : Projet de recherche collaborative) par le comité scientifique de l'IA (CES 23 - Intelligence artificielle). Le consortium est composé de 4 partenaires nationaux : CRIStAL, ICube, INRIA (Grenoble Rhône-Alpes), et LIRIS. Human4D s'intéresse au problème de la modélisation 4D de la forme humaine. Il vise à étudier la reconstruction, la synthèse, et la compréhension de la forme et du mouvement d'individus ou de groupes de personnes, avec un accent particulier sur la façon de représenter une collection de données 4D de manière efficace et compacte. 

* '''[https://hadrien.courtecuisse.cnrs.fr/home/projects/sperry/ Sperry] (dec. 2018 - nov. 2021)''' : Chirurgie robotique supervisée - application à l'ablation radiofréquence des tumeurs du foie, est un projet national français financé par l'ANR (Agence nationale de la recherche) porté par Hadrien Courtecuisse, dans le programme JCJC (jeunes chercheurs ou des jeunes hercheuses). Il aborde le problème de la déformation à l'aide de simulations par éléments finis en temps réel inverses dans la boucle de contrôle du robot. En particulier, nous visons à atteindre un compromis optimal entre la précision et la rapidité des modèles pour prédire l'interaction des tissus mous et des aiguilles.

* '''Exploitation des données du réseau de capteurs portables pour le profilage de la force de préhension individuelle et la modélisation prédictive de l'évolution des compétences chirurgicales par l'intelligence artificielle (sept. 2015 - janv. 2022)''': projet IDEX (recrutement R LIU) porté par Birgitta Dresp-Langley. L'objectif est de produire une station générique de profilage de la force de préhension chirurgicale combinée à une modélisation AI capable d'effectuer une analyse comparative prédictive de l'évolution des compétences des opérateurs pendant la formation à diverses tâches guidées par l'image.</text>
    <sha1>1bc38cbb5c44cecbb1901e86a8580e24aec384c9</sha1>
  </revision>
</page>
<page arvcontinue="20250124102154|763">
  <title>Presentation</title>
  <ns>0</ns>
  <id>23</id>
  <revision>
    <id>794</id>
    <parentid>659</parentid>
    <timestamp>2025-03-15T14:22:13Z</timestamp>
    <contributor>
      <username>Hyewon.seo</username>
      <id>12</id>
    </contributor>
    <comment>/* Optimisation &amp; Learning */</comment>
    <model>wikitext</model>
    <format>text/x-wiki</format>
    <text bytes="3805" xml:space="preserve">[[Fichier:Inria-logo.png|120px|thumb|L’Institut national de recherche en informatique et en automatique ]]
==Historique==
Crée en janvier 2021 au sein d'ICube, l'Université de Strasbourg, l'équipe MLMS (Machine Learning, Modélisation et Simulation) s'intéresse aux données, modèles et simulations pour la science médicale et mouvement humain. Elle réunit des informaticiens, des mathématiciens, des bio-mécaniciens, des neuroscientifiques pour développer des modèles fonctionnels, physique, et géométrique autour d’une axe transversal « Assistance aux interventions médicales par ordinateur ». MLMS accueille l'équipe-projet [https://mimesis.inria.fr/ INRIA MIMESIS] en tant que sous-ensemble de l'équipe. 
L'équipe de recherche MIMESIS vise à créer des jumeaux numériques en temps réel d'un organe, avec des domaines d'application principaux comme la formation chirurgicale et le guidage chirurgical lors d'interventions complexes. En 2023, une nouvelle équipe-projet INRIA NECTARINE sera crée au sein du MLMS, qui se concentrera sur les défis scientifiques liés à la neuro-stimulation en contexte clinique.

==Objectifs de recherche==
Nos activités de recherche principales sont: 
* Développer des nouveaux '''modèles/systèmes bio-inspirés''' (humains, organes, patients),
* Modélisation et compréhension de certaines '''fonctions de cerveau''',
* Optimiser nos modelés et simulations numériques de sorte qu'ils tournent en '''temps réel''', et
* Améliorer ou rendre plus adapté ces modèles à chaque patient et au contexte en exploitant des '''données du monde réel'''.

Le contexte global et transversal autour de ces objectifs est de fournir le système et l'assistance aux médecins.

==Thèmes de recherches==
L’équipe est structurée en deux thèmes:
===Modélisation dérivée par les données===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Michel Duprez, Axel Hutt, Hyewon Seo
* Ce thème s'intéresse à l’ensemble des aspects modélisations et simulation en neurosciences, géométrie, biomécaniques, interaction, comportement, forme et mouvement d'humains.
* Nous nous intéressons à plusieurs défis autour de la modélisation: 
# Modèles computationnel d'anatomie, d'appareils, de personnes
# Modèles computationnel du fonctionnement des organes (cerveau, cœur,…)
# Modèles d'interactions
# Simulation physique personnalisées et en temps réel

* Mots clés: modélisation mathématique et géométrique, modélisation biomécanique, modélisation d'interaction et de comportement, deep physics, calcul GPU.
&lt;!--
===Simulation en temps réel===
* Membres: Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez
* Pour mettre en œuvre nos modèles, nous les transposons en forme de simulation physique, temps-réel, en particulier.
* Ce thème a pour défis:
# Stratégies numériques adaptées aux simulations personnalisées
# Méthodes pour le calcul en temps réel

* Mots clés: deep physics, analyse d'erreur, retour haptique, réduction de modèle, calcul GPU
--&gt;
===Optimisation &amp; Learning===
* Membres: Cédric Bobenrieth, Stéphane Cotin, Hadrien Courtecuisse, Michel Duprez, Axel Hutt, Romain Orhand, Hyewon Seo
* Nous visons à exploiter des données du monde réel pour rendre nos modèles et simulations plus spécifiques au patient et prédictifs.
* Ce thème a pour défis :
# Extraire des informations robustes et significatives des signaux, 
# Utilisez ces informations pour déduire les paramètres du modèle,
# Résoudre les problèmes mal posés tels que la reconstruction de forme à partir de données partielles.

* Mots clés: contrôle optimal, optimisation de forme, assimilation de données, apprentissage profond.

==Axe transversal==
===Assistance aux interventions médicales par ordinateur===</text>
    <sha1>1feecfe32b51591e05de45d4f2140dac9ac55918</sha1>
  </revision>
</page>
</mediawiki>